Dr. Paulo R.

Margotto
Prof. do Curso de Medicina da Escola Superior de Cincias da
Sade/ESCS/SES/DF
www.paulomargoitto.com.br
pmargotto@terra.com.br
ENTENDENDO BIOESTATSTICA BSICA
Paulo R Margotto
. ntroduo
. Variveis
Qualitativa ou Nominal
Ordinal
Quantitativa ou Contnua
. Populao e amostra
V. Apresentao dos dados em tabelas
Componentes das tabelas
Tabelas de contingncia ou de dupla entrada
Tabelas de distribuio de freqncias
V. Apresentao dos dados em grficos
Grficos de barras
Grficos de setores
Histograma
Polgono de freqncias
V. Medidas de tendncia central
Mdia aritmtica
Medidas de disperso de uma amostra
Varincia
Desvio Padro
V. Distribuio Normal
Clculo de probabilidades associadas distribuio normal
V. Correlao e Regresso
X. Risco Relativo/Qui-quadrado/Risco Atribuvel/Odds Ratio
X. Teste de Hiptese
X. Teste de Fisher ou da Probabilidade Exata
X. Teste t
X. Estadgrafo de Sandler
XV. Anlise de Varincia (ANOVA)
XV. Escolha do Teste Estatstico
XV. Testes Estatsticos no paramtricos
XV. Sensibilidade/Especificidade/Valor Predictivo
XV. Exerccio da Medicina/Neonatologia baseado em evidncias
XX. Tabelas
XX. Referncias Bibliogrficas.
ENTENDENDO BIOESTATSTICA BSICA
Paulo R. Margotto
(Professor do Curso de Medicina da Escola Superior de Cincias da
Sade-SES/DF)
PARTE I de 10 partes (a Parte X contm as tae!as"
I# INTROD$%&O
A conduo e a avaliao de uma pesquisa dependem, em boa
parte, do conhecimento do pesquisador sobre estatstica.
Freqentemente a determinao da eficcia de um agente ou
procedimento de natureza preventiva, curativa ou diagnstico requer a
comparao entre dois ou mais grupos ou amostras (grupo tratado e o
grupo controle que no foi submetido interveno). A comparao
entre ambos os grupos possibilitar avaliar se realmente
(significativamente) o tratamento eficaz, devendo o pesquisador
estar alerta sobre variveis interferentes nos resultados, como,
variaes amostrais, diferenas existentes entre os grupos, alm de
outras.
Freqentemente os testes estatsticos so utilizados com os
seguintes aspectos: comparar amostras (houve modificaes nos
grupos inicialmente semelhantes aps a instituio do tratamento,
detectar relao entre variveis, detectar variveis interferentes, isto ,
se o tratamento institudo depende tambm de outras variveis, como
peso, idade, sexo).
Neste estudo sobre Noes Bsicas de Bioestatstico propomos
o seu entendimento bsico, para que possamos ter um ponto de vista
objetivo sobre as tcnicas do mtodo cientfico e para sabermos
avaliar o grau de importncia da informao que constantemente
buscamos nos mais diferentes meios.
Segundo Snia Vieira, a cincia no um conhecimento
definitivo sobre a realidade, mas um conhecimento hipottico que
pode ser questionado e corrigido; ensinar cincia no significa apenas
descrever fatos, enunciar leis e apresentar novas descobertas, mas
ensinar o mtodo cientfico, que a maneira crtica e racional de
buscar conhecimento.
II'(ARI(EIS
Aos pesquisadores nas reas mdicas e biolgicas, interessam-lhes
os dados referentes mortalidade infantil, eficincia de medicamentos,
incidncia de doenas, causas de mortes, etc. Os dados referem-se a
variveis que por sua vez podem ser qualitativas, ordinais e
quantitativas.
Varivel qualitativa ou nominal:
Os dados podem ser distribudos em categorias mutuamente
exclusivas.
Exemplo:
Sexo - permite distinguir duas categorias, masculina e feminina.
Cor, causa de morte, grupo sangneo.
Varivel ordinal:
Os dados podem ser distribudos em categorias mutuamente
exclusivas que tm ordenao natural.
Exemplo: grau de instruo (as pessoas podem ser distribudas em
categorias mutuamente exclusivas, na seguinte ordem: primrio, 2
ano e superior), aparncia, status social, estgio da doena
Varivel quantitativa ou contnua: os dados so expressos por
nmeros
Exemplo: idade, estatura, peso corporal.
III ' POP$)A%&O E A*OSTRA
Populao: refere-se a um conjunto de elementos com uma
determinada caracterstica.
Amostra: refere-se a um subconjunto com menor nmero de
elementos do que a populao.
Independ+nc,a das amostras: as amostras so ditas ,ndependentes
quando os grupos selecionados recebem tratamento distinto; as
amostras so ditas dependentes quando para cada elemento do
"grupo tratamento" existir um novo grupo controle com caractersticas
semelhantes (sexo, idade, etc) ou quando se realiza a comparao
intra-indivduo, ou seja, um grupo submetido ao tratamento e ele o
seu prprio controle.
(I ' APRESENTA%&O DOS DADOS E* TABE)AS
-Componentes das tabelas:
. Ttulo
Corpo
Cabealho
Coluna indicadora
Opcional: fonte, notas (esclarecem aspectos relevantes da apurao)
e chamadas (esclarecimentos sobre os dados em algarismos arbicos
escritos entre parnteses).
TABELA 1
Nascidos vivos na Maternidade do HRAS segundo o ano de registro
Ano de registro Freqncia freqncia relativa
1998 (1) 8328 32,88
1999 (1) 8214 32,22
2000 (1) 8898 34,90
Total 25.494 100
Fonte: Margotto, PR (2001).
Nota: dados retirados do livro da sala de parto
(1): os RN < 500g no foram includos.
Ttulo: explica o contedo da tabela.
Nascidos vivos na Maternidade do HRAS segundo o ano de registro.
Corpo: formado pelas linhas e colunas dos dados
N
o
de nascidos vivos:
8.382
8.214
8.898
Cabealho: especifica o contedo das colunas.
Ano de registro freqncia / freqncia relativa
Coluna indicadora: especifica o contedo das linhas.
1998
1999
2000
As tabelas podem apresentar, alm da freqncia, a freqncia
relativa que obtida pelo quociente da freqncia desta categoria pela
soma das freqncias, multiplicado por 100. No exemplo a freqncia
relativa referente a 1998 foi de 32,88% (8.832 25.494 X 100)
Toda tabela deve ser delimitada por traos horizontais.
O cabealho separado do corpo por um trao horizontal.
O total de colunas escrito entre dois traos horizontais.
- Tabelas de contingncia ou tabelas de dupla entrada: estas tabelas
referem-se a elementos da amostra ou da populao que so
classificados de acordo com dois fatores; nestas tabelas, cada entrada
relativa a um dos fatores.
Veja o exemplo:
Gestantes sem pr natal / gestantes com
Pr natal e mortalidade perinatal.
Fator Mortalidade Perinatal Total
Sim No
Gestante sem pr natal 55 883 938
Gestantes com pr natal 156 6720 6876
Como estudaremos mais adiante, as tabelas de dupla entrada
nos possibilita o clculo de riscos, ou seja, clculos de freqncia
(incidncia) entre expostos e no expostos a um determinado fator. No
exemplo que estamos estudando, a incidncia de morte perinatal em
gestante sem pr-natal (que um fator de risco) : 55 / 938 = 5,86% e
nas gestantes com pr-natal, a incidncia de morte perinatal 156 /
6876 = 2,3%%.
Assim, dizemos que o risco relativo de morte perinatal nas
gestantes que no fizeram o pr natal maior (na verdade 2,3 vezes
mais: 5,86 / 2,3 = 2,3) em relao s gestantes que fizeram o pr
natal.
- Tabelas de distribuio de freqncia
As tabelas de distribuio de freqncias do ao leitor uma viso
rpida e global do fenmeno. Observe a tabela abaixo com os pesos
ao nascer de 100 RN
Peso ao nascer de nascidos vivos, em Kg.
2,522 3,200 1,900 4,100 4,600 3,400
2,720 3,720 3,600 2,400 1,720 3,400
3,125 2,800 3,200 2,700 2,750 1,570
2,250 2,900 3,300 2,450 4,200 3,800
3,220 2,950 2,900 3,400 2,100 2,700
3,000 2,480 2,500 2,400 4,450 2,900
3,725 3,800 3,600 3,120 2,900 3,700
2,890 2,500 2,500 3,400 2,920 2,120
3,110 3,550 2,300 3,200 2,720 3,150
3,520 3,000 2,950 2,700 2,900 2,400
3,100 4,100 3,000 3,150 2,00 3,450
3,200 3,200 3,750 2,800 2,720 3,120
2,780 3,450 3,150 2,700 2,480 2,120
3,155 3,100 3,200 3,300 3,900 2,450
2,150 3,150 2,500 3,200 2,500 2,700
3,300 2,800 2,900 3,200 2,480 -
3,250 2,900 3,200 2,800 2,450 -
Para transformar a tabela acima em uma tabela de distribuio
de freqncias fazemos o seguinte procedimento.
Definir as faixas de peso (classes). Observem que o menor peso
e 1.570Kg e o maior 4.600Kg, podendo ento ser definidas classes
de 1,5Kg a 2kg, 2Kg a 2,5Kg, e assim por diante.
1,5 /----- 2,0 (RN com peso de 1,5Kg at 1,999Kg)
2,0 /----- 2,5 (RN com peso de 2,0 Kg at 2,499Kg)
2,5 /----- 3,0
3,0 /----- 3,5
3,5 /----- 4,0
4,0 /----- 4,5
4,5 /----- 5,0
Observem que cada intervalo de classe de 0,5Kg ( o intervalo
coberto por cada classe). Os extremos de classe so os limites dos
intervalos de classe. A anotao 1,5 /---- 2,0 significa que o intervalo
fechado esquerda, isto , pertencem classe os valores iguais ao
extremo inferior (valor 1,5), mas no pertencem classe os valores
iguais ao extremo superior (valor 2,0).
Na tabela a seguir dada a distribuio das freqncias:
CLASSE FREQNCA
1,5 /------ 2,0
2,0 /------ 2,5
2,5 /------ 3,0
3,0 /------ 3,5
3,5 /------ 4,0
4,0 /------ 4,5
4,5 /------ 5,0
3
16
31
34
11
4
1
Ponto mdio:
dado pela soma dos extremos da classe, dividida por 2. Para a
classe de 1,5/---- 2,0 o ponto mdio 1,5 + 2,0 = 1,75.
2
Portanto, uma tabela tpica de distribuio de freqncias tem 3
colunas: da esquerda, corresponde s classes, a do meio, aos
pontos mdios e a da direita, s freqncias (o nmero de elementos
de cada classe). Observem na tabela 3:
Tabela 3: Nascidos vivos segundo o peso ao nascer em Kg.
Classe Ponto mdio Freqncia
1,5/ ---- 2,0 1,75 3
2,0/ ---- 2,5 2,25 16
2,5/ ---- 3,0 2,75 31
3,0/ ---- 3,5 3,25 34
3,5/ ----4,0 3,75 11
4,0/ ---- 4,5 4,25 4
4,5/ ---- 5,0 4,75 1
As tabelas de distribuio de freqncia mostram a distribuio
da varivel, mas perdem na exatido, pois todos os dados passam a
ser representados pelo ponto mdio da classe a que pertencem.
O nmero de classes em geral de 5 a 20 classes, podendo ser
determinado pela frmula.
K = 1 + 3,222 log n (o n
0
de classes um inteiro prximo de K)
n.: n
0
de dados
No exemplo da tabela 1, com n= 100, temos:
K = 1 + 3,222. log 100 = 7,444 (ou seja, devem ser construdas 7
ou 8 classes).
importante lembrar que cabe ao pesquisador determinar o n
0
de classes que pretende organizar.
( - APRESENTA%&O DOS DADOS E* .R/ICOS
Todo o grfico deve apresentar ttulo (pode ser colocado tanto
acima como abaixo) e escala (crescem da esquerda para a direita e de
baixo para cima). As legendas devem ser colocadas direita do
grfico.
Grfico de barras: usado para apresentar variveis qualitativas ou
variveis ordinais. Veja no grfico de barras os dados da tabela 1.
0
0
10
10
10
10
20
20
1334 1333 1000
Nascidos vivos na maternidade do HRAS segundo o ano de
registro.
Grfico de setores: usado para apresentar variveis qualitativas ou
variveis ordinais. Calcular os ngulos centrais das diversas
categorias, marcando os na circunferncia e separando os com o
traado de raios. Veja o grfico de setores correspondente tabela 1.
1998 ( 118,4)
1999 ( 116)
2000 (125,6)
Como calcular o ngulo central de
cada categoria:
100 360
Freqncia relativa (f) valer X e o
ngulo central X = 360 x f
100
0
0
10
10
10
10
20
20
50
1 1 2 5 0
Nascidos vivos na Maternidade do HRAS segundo o ano de
registro.
Histograma:
Os dados apresentados em tabelas de distribuio de freqncia so
apresentados graficamente em histogramas. Veja a tabela 3
representada num histograma.

Frequncia
Peso ao nascer
Se os intervalos de classe so diferentes, ao se construir um
histograma, devemos calcular as densidades de freqncia relativa
(quociente da freqncia relativa e o intervalo de classe) que
determinam as alturas. Observem a tabela 4, na qual os intervalos de
classe so diferentes e o histograma referente a esta tabela
representando os dados. As densidades de classes esto
apresentadas na tabela.
Tabela 4. Mulheres com 30 anos de idade segundo a presso
sangnea sistlica, em milmetros de mercrio.
Classes Freqncia Freqncia
Relativa
Densidade
90/ ------100 6 6 0,6
100/ ---- 105 11 11 2,2
105/ ---- 110 12 12 2,4
110/ ---- 115 17 17 3,4
115/ ---- 120 18 18 3,6
120/ ---- 125 11 11 2,2
125/ ---- 130 9 9 1,8
130/ ---- 135 6 6 1,2
135/ ---- 140 4 4 0,8
140/ ---- 150 4 4 0,4
150/ ---- 160 1 1 0,1
160 e mais 1 1 0,1
Mulheres com 30 anos de idade segundo a presso sangunea
sistlica, em mmHg
Polgono de freqncia :
Os dados apresentados em tabela de distribuio de freqncias
tambm podem ser apresentados em grficos denominados polgonos
de frequncia. Aps serem marcados os pontos na abscissa (pontos
mdios das classes) e na ordenada (freqncia relativas), fechar o
polgono unindo os extremos nos pontos de abscissas iguais aos
pontos mdios de uma classe imediatamente inferior a primeira e de
uma classe imediatamente superior ltima. Veja o Polgono a seguir
construdo para apresentar os dados da tabela 3.
Nascidos vivos segundo o peso ao nascer, em quilogramas
V MEDDAS DE TENDNCA CENTRAL
Quando dizemos que a durao de uma viagem entre duas
cidades de 2 h, no quer dizer que sempre que algum realizar esta
viagem o far exatamente em 2h, mas a maior parte dos viajantes far
em 2h. Assim, os valores que se caracterizam por se aproximar a
maior parte a populao, so denominados de medidas de tendncia
central.
As medidas de tendncia central do o valor do ponto em torno
do qual os dados se distribuem.
A mdia d a abscissa em torno do qual os dados se distribuem,
sendo importante que seja avaliado o grau de disperso de um
conjunto de dados, ou seja, quanto cada dado se desvia em relao
mdia ( o que chamamos de varincia e desvio padro).
Clculo da mdia aritmtica: a soma de todos os dados dividido pelo
nmero deles. A mdia d a abscissa do centro de gravidade do
conjunto de dados.
A Tabela 5 fornece o peso ao nascer em kg de 10 RN.
Tabela 5
Peso ao nascer em kg de 10 RN
2,5 2,0 3,0 4,0
3,0 1,0 1,5 -
3,5 1,5 2,5 -

A mdia aritmtica (representa-se por X) : 2,5 + 3,0 + 3,5 + ...... 4 =
2,45 10
Clculo da mdia de dados em tabela de distribuio de
freqncia.
Considere os dados da Tabela 6.
Nascidos vivos segundo o peso ao nascer, em quilogramas.
Classe Ponto Mdio Freqncia
1,5/ ---- 2,0 1,75 3
2,0/ ---- 2,5 2,25 16
2,5/ ---- 3,0 2,75 31
3,0/ ---- 3,5 3,25 34
3,5/ ---- 4,0 3,75 11
4,0/ ---- 4,5 4,25 4
4,5/ ---- 5,0 4,75 1
O nmero de nascidos vivos nesta amostra :
n = 3 + 16 + 31 + 34 + 11 + 4 + 1 =100
A mdia (X) dos pesos ao nascer dos nascidos vivos da amostra
calculada multiplicando se o ponto mdio de cada classe pela
respectiva freqncia, somando se a seguir os produtos e dividindo
a soma por n:
X = 1,75 x 3 + 2,25 x 16 + ......... 4,25 x 4 + 4,75 x 1 = 300 = 3 Kg
100
Medidas de disperso para uma amostra:
As medidas de disperso so indicadores do grau de variabilidade
demonstrada pelos indivduos em torno das medidas de tendncia
central.
(ar,6nc,a7 os dados se distribuem em torno da mdia; medindo os
desvios em relao mdia (diferena entre cada dado e a mdia)
estamos avaliando o grau de disperso de um conjunto de dados. No
h mdia dos desvios, porque a soma sempre igual a zero:
Exemplo: 0,4,6,8,7
- Mdia: X = 0 + 4+ 6 + 8 + 7 = 25 = 5
5
-Desvio em relao mdia: (X X):
0 5 = - 5
4 5 = -1
6 - 5 = 1
8 5 = 3
7 5 = 2
A soma dos desvios igual a zero: - 5 1 +1 3 + 2 + - 6 + 6 = 0
- Soma de quadrados dos desvios: Clculo:
Tabela 7
Clculo da soma de quadrados dos desvios
Dados
(x)
Desvios
(x x)
Quadrado dos desvios
(X X )
2
0 - 5 25
4 - 1 1
6 1 1
8 3 9
7 2 4
x = 5 (x x) = 0 (x x)
2
= 40
A soma de quadrados dos desvios no usada como medida de
disperso porque seu valor cresce com o nmero de dados. Vamos
entender esta idia: pesos de 2 grupos de pessoas:
Grupo A: 60, 70 e 80 Kg.
Grupo B: 60, 60, 70, 70, 80, 80,...
Veja na tabela 8 que a disperso dos dados em torno da mdia
a mesma em ambos grupos, mas a soma de quadrados dos desvios
maio no grupo B, pois este grupo tem mais dados.
Tabela 8 Clculo da soma de quadrados dos desvios
Grupo Grupo
X (x -x) (x x)
2
X (x - x) (x x)
2
60 - 10 100 60 - 10 100
70 zero zero 60 - 10 100
80 10 100 70 zero zero
70 zero zero
80 10 100
80 10 100
zero 200 zero 400
Assim, para medir a disperso dos dados em relao mdia,
usamos a Varincia (S
2
), que leva em considerao o tamanho da
amostra.
S
2
= soma de quadrados dos desvios
n 1
Clculo da S
2
dos dados: 0,4,6,8 e 7 , colocados na tabela 7
S
2
= 40 = 40 = 10
5 -1 4
- Desvio padro
a raiz quadrada da Varincia, sendo representado por s; o desvio
padro (s) tem as mesmas propriedades da Varincia e tem a mesma
unidade de medida dos dados.
O desvio padro dos dados 0, 4, 6, 8, 7 colocados na tabela 7 :
s
2
(varincia); 10
s (desvio padro): 10 = 3,16
Coeficiente de variao: (CV)
O CV a razo entre o desvio padro (s) e a mdia
(X) x 100 (resultado em porcentagem).
CV: s x 100
X
Para melhor entender. Dado 2 grupos de pessoas com idades:
Grupo A: 3,1,5 ----- X : 3 anos ; s
2
= 4
Grupo B: 55, 57,53 ----- X: 55 anos ; s
2
= 4
Observem que a disperso dos dados em ambos os grupos a
mesma (a varincia S
2
igual a 4, j os CV so diferentes.
No 1
o
grupo, o CV :
2/3 x100 = 66,67%
No 2
o
grupo, o CV :
2/55 x 100 = 3,64% .
Vejam que no 1
o
grupo (grupo A), a disperso os dados em
relao mdia grande, ou seja, a disperso relativa alta.
Na tabela a seguir, o peso de 10 RN. Calcular mdia e o desvio
padro dos dados
Peso ao nascer de recm- nascidos vivos
2,5 2,0 3,0 4,0
3,0 1,0 1,5
3,5 1,5 2,5
Passos: - calcular:
X (mdia )
os desvios em relao mdia: X X
a soma de quadrados dos desvios
a s
2
(varincia): soma de quadrados de desvio
n 1
o desvio padro (s) = \s
2
coeficiente de variao CV = s x 100
x
V Distribuio Normal
As variveis so aleatrias porque elas tm um componente que
varia ao acaso, como por exemplo, a variabilidade dos pesos ao
nascer de RN vivos de mesmo sexo, mesma raa, mesma idade
gestacional e filho de mes em condies similares de sade e
alimentao. Assim, o peso ao nascer uma varivel aleatria.
Utilizando grandes amostras de certas variveis aleatrias, podemos
construir grficos que tm aparncia tpica, no qual podemos observar
que h uma variao contnua na populao com dois extremos, um
mximo e um mnimo e entre eles, uma distribuio gradativa, sendo
que a maioria dos valores, localiza-se ao redor da mdia (Curva de
Gauss).
Peso ao nascer de nascidos vivos brancos do sexo masculino com
cerca de 40 semanas de gestao
As medidas que do origem a grficos semelhantes ao
apresentado, dizemos que so variveis que tem distribuies que se
aproximam da distribuio normal, com apresentado na figura a seguir
Grfico da distribuio normal
A distribuio normal tem as seguintes caractersticas:
- A varivel (peso ao nascer) pode assumir qualquer valor real
- O Grfico da distribuio normal uma curva em forma de
sino, simtrico em torno da mdia () (se l "mi).
- A rea total da curva vale 1, significando que a probabilidade
de ocorrer qualquer valor real 1.
- Pelo fato da curva ser simtrica em torno da mdia, os valores
maiores do que a mdia e os valores menores do que a mdia
ocorrem com igual probabilidade.
$ma das propr,edades assoc,adas 8 d,str,9,:;o norma! a s9a
capac,dade para pred,<er as proa,!,dades de encontrar 9m =a!or
entre do,s n>meros ?9a,s?9er#
As probabilidades associadas distribuio normal so
facilmente obtidas em tabelas. Vejamos alguns exemplos:
Com vemos na figura a seguir a rea total sob a curva vale 1.
sto significa que a probabilidade de ocorrer qualquer valor real 1. A
curva simtrica em torno da mdia zero. A probabilidade de ocorrer
valer maior que zero 0,5, mas qual seria a probabilidade de ocorrer
valor entre zero e z = 1,25 ?
Probabilidade de ocorrer valor entre zero e z=1,25
A probabilidade da ocorrncia do valor entre zero e z = 1,25 ,
corresponde rea pontilhada na figura acima . Podemos encontrar
esta probabilidade na tabela de distribuio normal (Tae!a A '1).
Como usar esta tabela?
- Localizar na 1
a
coluna o valor 1,2
- Na 1
a
linha, est o valor 5.
- n
0
1,2 compe com o algarismo 5, o n
0
z = 1,25.
- No cruzamento da linha 1,2 com a coluna 5 est o nmero
0,3944. Est a probabilidade (39,44%) do ocorrer valor entre
zero e z= 1,25.
0 1 2 3 4 5 6
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239
0,1 0,0398 0,0438 0,0478 0,0517 0,0557 0,0596 0,0636
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0,0987 0,1026
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0,1368 0,1406
0,4 0,1554 0,1591 0,1628 0,1664 0,1700 0,1736 0,1772
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123
0,6 0,2257 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454
0,7 0,2580 0,2611 0,2642 0,2673 0,2703 0,2734 0,2764
0,8 0,2881 0,2910 0,2939 0,2967 0,2995 0,3023 0,3051
0,9 0,3159 0,3186 0,3212 0,3238 0,3264 0,3289 0,3315
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0,3531 0,3554
1,1 0,3643 0,3665 0,3686 0,3708 0,3729 0,3749 0,3770
1,2 0,3849 0,3869 0,3888 0,3907 0,3925 0,3944 0,3962
1,3 0,4032 0,4049 0,4066 0,4082 0,4099 0,4115 0,4131
1,4 0,4192 0,4207 0,4222 0,4236 0,4251 0,4265 0,4279
Probabilidade de ocorrer valor entre zero e 1,25
Suponhamos que o colesterol sangneo tem distribuio normal com
mdia de 200mg e desvio padro de 20 mg. Veja o grfico desta
distribuio.
Distribuio normal da taxa de colesterol no plasma sanguneo
humano
Qual a probabilidade de um indivduo apresentar um colesterol entre
200 e 225 mg%. Est probabilidade corresponde a figura a seguir.
Probabilidade de taxa de colesterol entre 200 e 225
Para calcular a probabilidade associada distribuio normal, usa - se
a frmula:
Z = X - - = mdia ; = desvio padro
- X = valor pesquisado
A estatstica Z - Standard score -baseia-se na curva normal. Ela mede
quanto um determinado resultado (valor) afasta-se da mdia em
unidades de desvio-padro. Um resultado cujo valor coincide com a
mdia tem escore z=0.
Como a quantidade de colesterol tem distribuio normal com
mdia = 200 e desvio padro ( ) de 20, a varivel
Z = X - 200 tem distribuio normal reduzida.
20
Nesta distribuio, a mdia zero e, ao valor X = 225, corresponde:
Z = X - 200 = 1,25
20
Consultando a tae!a A'1 de distribuio normal vemos que a
probabilidade de Z assumir valor entre zero e z = 1,25 de 0,3944 ou
39,44%.
Outro exemplo: Qual a probabilidade uma pessoa apresentar
menos do que 190mg% de colesterol. Para resolver este problema,
preciso "reduzir" o valor X = 190. Obtm-se ento:
Z = 190 - 200 = - 0,50 .
20
A probabilidade de z assumir o valor menor que z = - 0,50 igual
a probabilidade de ocorrer valor maior do que z = 0,50. Consultando a
tae!a A'1 de distribuio normal reduzida, vemos que no cruzamento
entre a linha e a coluna - na primeira coluna, temos o valor 0,5 e na
primeira linha o valor zero para compor o nmero z = 0,50 est o valor
0,1915, que a probabilidade de ocorrer valor zero e z = 0,50. Como a
probabilidade de ocorrer valor maior do que a mdia zero 0,5, a
probabilidade pedida dada por: 0,5 - 0,1915 = 0,3085 08 30,85%.
Faa o seguinte exerccio:
Em mulheres, a quantidade de hemoglobina por 100ml de
sangue uma varivel aleatria com distribuio normal de mdia
= 16g e desvio padro = 1g. Calcule a probabilidade de uma
mulher apresentar uma hemoglobina de 16 - 18g por 100ml de
sangue.
- Calcule z
- Consulte a tabela de distribuio normal reduzida
- Com certeza voc encontrar a probabilidade de 47,72%.
ENTENDENDO BOESTATSTCA BSCA
PARTE
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
V-CORRELAO E REGRESSO
O termo correlao descreve a associao entre duas variveis.
No exemplo, peso e altura, em quanto aumenta o peso medida que
a estatura aumenta? O comportamento conjunto de duas variveis
quantitativas pode ser observado atravs de um grfico denominado
D,a@rama de D,spers;o e medido atravs do CoeA,c,ente de
corre!a:;o#
D,a@rama de D,spers;o7
Na representao grfica , importante sempre colocar no eixo
das abscissas (horizontal) a varivel independente ou explanatria
(X) e no eixo das ordenadas (vertical), a varivel dependente (Y). A
correlao quantifica quo bem X e Y variam em conjunto
Seja o exemplo do comprimento e peso de ces apresentados
na tabela e o diagrama de disperso a seguir:
Comprimento, em centmetros, e peso, em quilograma, de ces
Comprimento Peso Comprimento Peso
104 23,5 98 15,0
107 22,7 95 14,9
103 21,1 92 15,1
105 21,5 104 22,2
100 17,0 94 13,6
104 28,5 99 16,1
108 19,0 98 18,0
91 14,5 98 16,0
102 19,0 104 20,0
99 19,5 100 18,3
Fonte: ARAJO e HOSSNE (1997)
O peso (varivel dependente), est representado no eixo das
ordenadas e comprimento (varivel independente) est representado
no eixo das abscissas . Observem que medida que o comprimento
dos ces aumenta, o peso tambm aumenta e dizemos ento, que
ambas variveis tm correlao positiva.
Se uma varivel X cresce e Y diminui, dizemos que as duas
variveis tm correlao negativa. Analisando o consumo dirio mdio
de protenas em 14 pases (veja a figura a seguir), observamos que h
uma relao inversa entre o consumo dirio de protenas e o
coeficiente de natalidade, ou seja, nos pases onde o consumo dirio
de protenas maior, o coeficiente de natalidade menor. Assim
dizemos que estas variveis tem correlao negativa. bem provvel
que a melhora da qualidade de vida de um pas , determine maior
consumo de protenas e uma diminuio no coeficiente de natalidade.
Consumo individual dirio de protenas de origem animal, em gramas,
e coeficiente de natalidade, em 14 pases.
Comprimento, em centmetros, e peso, em quilogramas, de ces
Pas
Consumo
individual dirio
de protenas
Coeficiente de
Natalidade
Formosa 4,7 45,6
Malsia 7,5 39,7
ndia 8,7 33,0
Japo 9,7 27,0
ugoslvia 11,2 25,9
Grcia 15,2 23,5
tlia 15,2 23,4
Bulgria 16,8 22,2
Alemanha 37,3 20,0
rlanda 46,7 19,1
Dinamarca 56,1 18,3
Austrlia 59,9 18,0
Estados Unidos 61,4 17,9
Sucia 62,6 15,0
Fonte: CASTRO (1961)
Consumo individual dirio de protenas de origem animal e coeficiente de
natalidade em 14 pases
CoeA,c,ente de corre!a:;o7
O coeficiente de correlao (r de Pearson) expressa
quantitativamente as relaes entre duas variveis. um nmero
puro, usado para classificar a correlao em forte (r = 0,8-1),
moderada (r = 0,5 - 0,8), dbil (r = 0,2 - 0,5), e insignificante
(r = 0 - 0,2).
O coeficiente de correlao um ndice de magnitude na qual se
associam duas variveis.
Clculo do r :
_xy - _x_y
n


Para entender, vejamos o seguinte exemplo de uma correlao
positiva e negativa:
Correlao
Positiva Negativa
X Y X Y
1 1 1 7
2 2 2 4
3 4 3 4
4 5 4 3
5 8 5 1
_x
2
(_x)
2
n
_y
2
(_y)
2
n
r =

Para se obter o coeficiente de correlao, fazemos os clculos
intermedirios e aplicamos na frmula:
Clculos intermedirios para a obteno do coeficiente de correlao
no caso do exemplo de correlao positiva
x y X
2
Y
2
xy
1 1 1 1 1
2 2 4 4 4
3 4 9 16 12
4 5 16 25 20
5 8 25 64 40
15 20 55 110 77
Com os valores apresentados na tabela, obtm-se:
Um exemplo de correlao perfeita positiva, um exemplo de correlao
perfeita negativa e um exemplo de correlao nula
77 15.20
5
= 77 - 60
(55 45) (110 80)
Vejam que existe uma forte correlao entre X e Y
Como vimos, a corre!a:;o indica o grau de assoc,a:;o entre
duas variveis, ao passo que a re@ress;o diz respeito capacidade
de prever um valor baseado no conhecimento do outro (de prever Y
dado que X seja conhecido).
No Diagrama de Disperso, unindo os pontos correspondentes
para cada par de valores de X e Y obtemos um segmento de reta
(reta de regresso). Vejam os dados da tabela e a Reta de Regresso.
dade Peso mdio dade Peso mdio
3 14,6 12 34,2
4 16,3 13 38,7
5 17,8 14 43,4
6 19,8 15 49,7
7 21,6 165 52,7
8 23,8 17 57,3
9 26,3 18 58,1
10 28,4 19 59,4
11 30,9
Fonte: BGE (1978)
55 - 15
2

5
110 - 20
2

5
= 17 = 0,98
\300
r =
Para entendermos melhor regresso, veja o exemplo da
quantidade de procana hidrolisada no plasma humano em funo do
tempo decorrido aps a sua administrao.
Tempo
(Minutos)
Quantidade
Hidrolisada
2 3,5
3 5,7
5 9,9
8 16,3
10 19,3
12 25,7
14 28,2
15 32,6
Fonte: AVEN e FOLDES (1951)
Peso mdio, em quilogramas, de indivduos do sexo masculino, segundo a
idade, no Distrito Federal
Vejam que a quantidade de procana hidrolizada no plasma em
funo do tempo decorrido aps a sua administrao pode ser descrita
atravs de uma reta que em estatstica recebe o nome de Reta de
Re@ress;o#
Agora,como fazer predices quanto aos valores de Y
correspondentes aos valores de X que o papel da matemtica da
regresso: para ajustar uma regresso linear simples, isto , a
equao de uma reta, so necessrias a obteno dos coeficientes
linear e angular da reta:
- coeficiente angular: d a inclinao da reta ( representada por "b) :
na A,@9ra
- coeficiente linear: a interseo da reta com o eixo X
(representado por "c"): na A,@9ra
Para fazer uma anlise de regresso, o primeiro passo
determinar a melhor reta de ajuste e para isto aplica-se o mtodo dos
mnimos quadrados - method of least squares. Nenhuma reta passa
por todos os pontos , sempre haver uma distncia vertical entre a
linha e a maioria dos pontos do diagrama de disperso-resduo. O
mtodo determina esta distncia para cada ponto e eleva o resultado
ao quadrado. A linha considerada como a que melhor se ajusta a
que resulta na menor soma dos quadrados dos afastamentos, ou seja,
a reta de regresso a linha que faz mnima soma dos quadrados das
desviaes de um e de outro lado dela (veja figura). Obtida a curva,
encontra-se a equao matemtica correspondente e a capacidade de
predizer um valor de Y e para cada valor de X.
Frmulas
Voltando ao exemplo da quantidade de procana hidrolisada no plasma
em funo do tempo decorrido aps a sua administrao, os clculos
intermedirios esto representados na tabela a seguir:
x y Xy X
2
2 3,5 7,0 4
3 5,7 17,1 9
5 9,9 49,5 25
8 16,3 130,4 64
10 19,3 193,0 100
12 25,7 308,4 144
14 28,2 394,8 196
15 32,6 489,0 225
69 141,2 1589,2 767
x y xy x
2

xy - x y
n

x
2
- (x)
2
n

a = y - bx
Y : media de Y ; X : media de X
b =
Aplicando as frmulas , temos:
1589,2 69.141,2

= 371,35 = 2,16
767 - 69
2
171,875
8

141,2 - 2,16 69 = - 0,98
8 8
Assim, a equao da reta de regresso :
B ' 0C34 D 1C1E X ( : so os valores calculados de Y)
A equao da reta de regresso, permite calcular os valores de
Y para quaisquer valores de X dentro do intervalo estudado, mesmo
que estes valores no existam na amostra. Assim, o valor X = 13 no
existe na tabela da quantidade de procana hidrolisada no plasma em
funo do tempo decorrido, mas para calcular o Y, fazer
B ' 0C34 D 1C1E # 12 B 1FC10
O valor de = 27,10 uma previso para a quantidade de
procana que estaria hidrolisada 13 minutos aps a sua administrao.
No estudo realizado por ns no Centro Latinoamericano de
Perinatologia e Desenvolvimento Humano, sobre Curvas de
Crescimento ntra-Uterinas, a correlao entre o peso pr-gravdico e
o peso do RN foi de 0,22. A equao da reta foi:
B 105FCF3D11C4G
Assim uma me com o peso pr-gravdico de 60kg espera-se um
peso de 3315g
Podemos 9t,!,<ar o r
1
( r s?9ared" ao ,n=s do r# O r
1

cHamado de coeA,c,ente de determ,na:;o, cujo valor obviamente
ser sempre menor ou igual a 1. Ele deve ser interpretado como a
proporo da variao total que explicada ..
b =
8
a =
No exemplo do peso pr-gravdico e o peso ao nascer do nosso
estudo em Montevidu, o coeficiente de determinao (r
2
) foi de
0,22
2
= 4,84 = 5, sendo que o peso ao nascer e explicado pelo peso
pr-gravdico em apenas 5%.
ENTENDENDO BOESTATSTCA BSCA
PARTE
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
IX' RISCO RE)ATI(OI RISCO ATRIB$(E)I ODDS RATIO
J$I' J$ADRADO
O enfoque de risco se baseia na observao de que nem
todos tm a mesma probabilidade (risco) de padecer um dano, mas
que para alguns este risco (probabilidade) maior do que para outros.
Esta diferena gera um gradiente de necessidade de cuidados, que vai
deste um mnimo para os indivduos de baixo risco a um mximo
para aqueles de alto risco (alta probabilidade de padecer o dano na
sua sade no futuro).
Neste estudo vamos discutir os fatores de risco, o clculo
do risco relativo (para fatores isolados e fatores combinados) e a
seleo de fatores de risco com fins de interveno (o risco atribuvel
populao, ou seja, o impacto do controle do fator de risco no grupo
exposto se neutralizssemos este fator: corresponde a meta do
programa).
Com estes conhecimentos, estaremos aptos a
compreender com maior facilidade que os cuidados da sade no so
igualitrios e requer que os recursos sejam redistribudos e usados
com maior efetividade, de acordo com as necessidades dos indivduos
ou grupos (dar mais aqueles com maior necessidade).
- Conceito de Risco
Conceituamos risco como probabilidade que tem um
indivduo ou grupo de indivduos de apresentar no futuro um dano em
sua sade.
O conceito de risco probabilstico e no determinista. A
primeira caracterstica do risco que incerto. Veja: RN com peso
entre 500 - 1500g tem maior probabilidade de morrer (na Unidade de
Neonatologia do HRAS: 19,58- ano 2000), mas muito deles no
morrem. No se fala de risco de morrer nos que apresentam peso
menor que 500g, pois a mortalidade neste grupo de 1000/mil
nascidos vivos. Assim, risco uma medida que reflete a probabilidade
de que ocorra um dano a sade.
- Grau de Risco
O grau de risco (alto, baixo) mede, antes da ocorrncia do
dano, a probabilidade de que o dano ocorra no futuro. Dano aqui se
refere a um resultado no desejando e no deve ser confundido com o
risco; enquanto o dano em um RN seria a sua morte no perodo
neonatal ou seqelas neurolgicas consecutivas asfixia, o risco a
probabilidade de que o dano venha ocorrer neste RN, medindo-o
como um gradiente que vai de risco alto a baixo risco de morte
neonatal ou de seqelas neurolgicas, neste exemplo.
O risco de que um evento ocorra (ou de que um resultado
no desejado acontea, ou seja, o dano) varia de uma probabilidade
zero (ou seja, de que nunca ocorra) a uma probabilidade uma (ou seja,
de ocorrem em todas as pessoas). Quanto mais se aproxima do zero,
se tratar de baixo risco de ocorrncia do dano e tanto quanto se
aproxima a um, se tratar de alto risco para este dano.
Como j enfatizamos inicialmente, o risco se refere a uma
probabilidade: quando dizemos que uma gestante de Alto Risco por
apresentar desnutrio e anemia e alm do mais, menor que 15
anos e me solteira, estamos mencionando que ela tem uma
probabilidade maior que outras gestantes de ter problemas de sade
no futuro, seja para ela mesma, para o feto ou para o RN. No temos
certeza de que isto vai ocorrer, mas sabemos que a probabilidade
(risco) de que venha a parecer algum determinado dano ou problema
de sade maior para ela (Alto Risco) do que seria para uma mulher
grvida que no apresenta estas caractersticas (baixo risco).
Assim, a importncia de graduar o risco para que
possamos programar ateno segundo o enfoque de risco, priorizando
o grupo, dentro da populao de maior necessidade.
O esquema abaixo resume.
Fundamento do enfoque
de risco
se obtm maior impacto ao
controlar preferencialmente :
Os problemas mais
importantes nos subgrupos
mais afetados, concentrando
esforos nos indivduos de Alto
Risco
Os problemas de sade no tem a
mesma importncia
Os problemas no ocorrem
igualmente na populao
O risco do dano no o
mesmo para todos os
- Fator de Risco:
O fator de risco definido como a caracterstica ou atributo cuja presena
se associa com um aumento da probabilidade de padecer o dano. Veja o exemplo: a
gestante que fuma tem maior probabilidade (risco) de ter um RN de baixo peso ao
nascer em comparao com a gestante no fumante. Assim, o fumo um fator de
risco para padecer o dano ou problema (o baixo peso ao nascer).
Os fatores de risco so caractersticas que tem uma associao prtica e
estatstica significativas com um resultado no desejado especfico e definido (dano).
O conceito de risco est vinculado a um dano especfico. Assim, devera
definir-se qual o dano a que referimos (mortalidade infantil, neonatal, perinatal,
baixo peso ao nascer, etc) e em funo deste dano, os fatores que se associam
devero se analisados.
Exemplo 1:
Dano
Baixo peso
Fatores de Risco
Pobreza,
analfabetismo da me
Desnutrio, baixa
estatura, doenas
intercorrentes
Exemplo 2:
Dano
Morte Perinatal
Fatores de Risco
Hipertenso, idade
avanada da me,
baixo peso, ausncia
de pr-natal
O mesmo fator de risco em um determinado caso, segundo
seja o objetivo, pode ser qualificado como dano por outro trabalhador
em sade com propsitos diferentes. O Obstetra considera o baixo
peso ao nascer como um dano que se pode prevenir com o controle
pr-natal e com o seguimento da gravidez de alto risco. Para o
Neonatologista, o baixo peso ao nascer um fator de risco para a
asfixia, desconforto respiratrio, hipoglicemia, sepse, hemorragia
intracraniana, etc.
Os fatores de risco podem ter ou no relao causal com o
dano e til selecion-los quanto a sua capacidade ou poder de
predico da ocorrncia futura do dano (isto , sua direta relao com
a fora da associao entre o fator e o dano observado no passado).
Assim, os fatores de risco podem ser classificados em: causais, no
causais. Os critrios para determinar se uma relao causal incluem:
- Ter forte associao com o dano
- Reduo do dano ao reduzir a exposio ao fator
suspeito de causalidade (controlar a progresso da
toxemia, evitar o baixo peso ao nascer).
- Precedncia do fator em relao ao dano
- Consistncia da associao em estudos repetidos
- Coerncia dos resultados com os conhecimentos
existentes.
A possibilidade de modificar os fatores de risco constituem
outro critrio de classificao
a) mod,A,cK=e,s pe!o setor de sa>de (ou seja, se h disponibilidade
de tecnologias eficazes, factveis e viveis para reduzir a
prevalncia do fator ou a exposio ao mesmo; exemplo:
- hbito de fumar com relao ao cncer de pulmo
- A m nutrio como causante de baixo peso pode ser
modificada com campanhas educativas e de vigilncia
nutricional.
b) mod,A,cK=e,s por a:;o de o9tros setores ' exemplo: deficiente
abastecimento de gua potvel com o dano diarria infantil.
c) N;o mod,A,cK=e,s - exemplo: me com idade menor que 16 anos
em relao com o dano baixo peso ao nascer. Neste caso, pode ser
efetuado, pelo menos intervenes a nvel populacional para se
obter modificao no futuro (diminuir os nascimento de mes com
idade nas quais tem sido encontrada maior freqncia de baixo
peso em comparao com outras idades).
Ao selecionar um determinado fator com fim de control-lo
ou diminuir seus efeitos, alm de que este fator deve estar
estreitamente associado com um resultado no desejado (dano), que,
tambm deva ter uma freqncia na comunidade que o torne
operacional o seu controle.
Os fatores com uma alta freqncia na populao devem
se selecionados na medida em que se pode intervir a nvel comunitrio
para seu controle. Por outro lado, a seleo de indivduos de alto risco
tem por objetivo concentrar em uma minoria com maior necessidade, o
mximo de recurso, j seja referindo-os a um nvel mais superior de
ateno ou aumentando a ateno no seu nvel. A nvel individual, os
fatores no devem ter uma freqncia que por ser muito alta, impea
de separar do total uma porcentagem operativa de indivduos com
uma determinada condio de risco.
Vantagens de aplicao do enfoque de risco na ateno da sade:
- Se conhecemos as probabilidades de adoecer ou morrer
em um indivduo ou grupo, podemos evit-las ou reduzi-
las com aes. O enfoque de risco constitui um mtodo
de carter essencialmente preventivo e o fundamento
epidemiolgico da regionalizao do cuidado da sade.
- Pode ser considerado como uma estratgia com
possveis efeitos favorveis na qualidade do cuidado da
sade incluindo os aspectos relacionados com a
humanizao. Favorece um timo aproveitamento dos
recursos ao permitir a adequao deles com as
necessidades. Acelera o impacto favorvel sobre a
sade sem um crescimento paralelo do gasto em sade.
V - Risco Relativo/Qui-quadrado
Na seleo dos fatores de risco de acordo com o seu valor
operacional importante eleger ento os numerosos fatores suspeitos,
aqueles que, alm de estar fortemente associados ao dano, sejam
controlveis e no sejam nem excepcionais e nem demasiado
freqentes e que sirvam para:
1# Const,t9,r 9m ,nstr9mento de detec:;o o9 pred,c:;o
de r,sco (permite separar na populao, indivduos ou
grupos com diferentes graus de risco (alto ou baixo
risco) de apresentar o dano futuro.
1# Oter 9ma d,mens;o do dano na pop9!a:;o
(mediante estratgias de interveno dirigidas a sua
erradicao, reduo de sua intensidade ou freqncia
nas pessoas ou grupos.
O fato de existir uma diferena de freqncia do dano entre
os expostos e os no expostos ao fator de risco indica uma
associao de fator, com o dano, sempre que esta diferena no seja
facilmente atribuvel ao azar (significao estatstica).
A fora desta associao constitui um critrio importante na
seleo do fator de risco. Duas medidas desta fora so:
- RR: risco relativo (risco de um em relao ao outro:
mede a potncia da associao)
- RA: risco atribuvel
- R,sco Re!at,=o (RR"7 a relao do quociente entre o
risco de ter um dano nos que esto expostos ao (s)
fator(s) de risco em estudo, comparado com o risco dos
que no esto. Mede o excesso de risco para um dado
dano nos indivduos expostos ao fator de risco,
comparado com os que no esto expostos.
Para facilitar o clculo
Fator Patologia
Sim No Total
Sim a b a+b
No c d c+d
Total a+c b+d n(a+b+c+d)
RR = a/ a+b
c/c+d
RR = incidncia do dano nos que tem o fator (p
1
= a/a+b)
ncidncia do dano entre os que no tm fator (p
2
= c/c+d)
V-1) Clculo do risco em estudo : baixo peso
- populao total estudada: 6.373
- mortes perinatais observadas: 211
- % da populao com fator baixo peso: 11,36% (11,36%
de 6.373 = 724)
- % de mortes perinatais com o fator baixo peso: 71%
(71% de 211 = 150)
Hiptese a ser examinada: o risco de morte perinatal maior nos
produtos com peso menor que 2500g de que nos produtos com peso
maior que 2500g.
Apresenta:;o dos dados7
Fator baixo
Peso
Morte perinatal Total
Sim No
Sim 150 (a) 574 (b) 724 a+b
No 61 (c) 5.588 (d) 5.649 c+d
Total 211 6.162 6.373
(a+c) (b+d) n(a+b+c+d)
Observem os quadrinhos a,b,c,d, a+b, a+c, b+d, c+d e n;
a: presena do fator e o dano (150 produtos de baixo peso e com
morte perinatal): verdadeiros positivos.
: presena do fator sem o dano (574 produtos de baixo peso sem
morte perinatal): falsos positivos
c: ausncia do fator com o dano (61 produtos com peso maior ou igual
a 2500g com morte perinatal) falsos negativos.
d: ausncia do fator sem o dano (5.588 produtos com peso maior ou
igual a 2500g sem morte perinatal) verdadeiros negativos.
a+b: total exposto ao fator de risco (724 produtos com baixo peso)
c+d: total de no expostos ao fator de risco (5.649 produtos com peso
maior ou igual a 2500g)
a+c: total dos produtos com dano (211)
b+d: total dos produtos sem dano (6.162)
a+b+c+d (n): total dos produtos estudados (6.373)
n: populao estudada
Tcn,ca da pro=a de H,pLtese
RR = a/a+b, ou seja, p
1
c/c+d p
2
RR = 150/724 = 19,2
61/5.649
Leitura dos resultados: o risco de morte perinatal de um produto de
baixo peso excede 19,2 vezes a de um produto de peso maior ou igual
a 2500g.
Uma vez feito o clculo do RR, torna-se necessrio
demonstrar que:
1# o dado no contm erros de registros, computo ou
transcrio.
1# o baixo peso um fator independente de outro,
queremos dizer, no atua sobre o dano atravs de
outros fatores e tem uma relao direta sobre o dano
ainda que na presena de outros fatores.
2# RR prtico e estatisticamente significativo. Um risco
relativo menor que 1,5 geralmente no de valor
prtico. Mais adiante mostraremos como se faz o
clculo da significao estatstica do RR
O risco relativo mede a incidncia do dano (mortalidade
perinatal, neste caso) em um grupo exposto ao fator (baixo peso no
caso) em relao ao grupo no exposto.
Vejamos outro exemplo: ausncia de pr-natal como fator
de risco para morte perinatal e neonatal.
a) fator de risco em estudo: ausncia do pr-natal
- populao estudada: 6.373
- mortes perinatais observadas: 211
- % da populao com o fator ausncia de pr-natal: 43%
- % de mortes perinatais com o fator ausncia de pr-
natal: 55,45%
Hiptese a se examinar: o risco de morte perinatal maior nos
produtos com ausncia de pr-natal do que nos produtos com pr-
natal presente
Fator
dano
Mortalidade Perinatal Total
Ausncia sim Sim No
de pr-natal no 117 (a) 2.625 (b) 2. 742 (a+b)
94 (c) 3.537 (d) 3.631 (c+d)
Total 211 (a+c) 6.162 (b+d) 6.373(n= a+b+c+d)

Tcnica da prova de hiptese
RR = 1,6
Leitura do resultado: o risco de morte perinatal de um produto sem
pr-natal excede 1,6 vezes a de um produto com pr-natal.
Realizando o X
2
(qui-quadrado), calculado pela frmula:
( [axd b x c] )
2
(a+b) x (d+c)x (b+d)x (a+c) (com correo de Yates ou correo de
continuidade). Temos X
2
= 13,71. Comparando o valor calculado de X
2
(qui-quadrado) com o valor da tabela (tae!a A'1, no final) ao nvel de
significncia estabelecido e com n 1 graus de liberdade (n de
colunas 1 x fila 1), toda vez que o X
2
for igual ou maior do que o
valor da tabela, dizemos que significativo. O valor 13,71 com grau de
liberdade 1 maior que 3,84(nvel de significncia 5%) e maior que
6,64 (nvel de significncia 1%). O X
2
tem restries entre as quais: s
deve ser aplicado quando a amostra tem mais de 20 elementos, todas
as freqncias esperadas tem que ser menor que 1. Se amostra for
menor que 20 e conter zero na freqncia esperada, fazer a prova de
Fisher (vide adiante). Assim, podemos dizer que h uma associao
significativa (p < 0,01) entre ausncia de pr-natal e morte perinatal,
sendo que grau de associao : o risco de morte perinatal 60%
maior nos produtos sem pr-natal (1,6 x 100 = 160: aumento de 60%:
100 + 60) ou o risco de morte perinatal nos produtos sem pr-natal
excede 1,6 vezes dos produtos com pr-natal.
Realizando os mesmos clculos, o risco de morte neonatal (nos
primeiros 7 dias de vida) de um produto sem pr-natal excede 2 vezes
a de um produto com pr-natal. Vejamos a apresentao dos dados:
Fator dano

Morte Neonatal
Total Sim No
Ausncia de
Pr-natal
Sim 58 2.625 2.683
No 38 3.573 3.575
Total 96 6.162 6.258
Risco Relativo (RR): 2,0
X
2
- 11,8 (p< 0,01)
nterpretao do RR e intervalo de confiana
Como vimos, o risco se define com a probabilidade de que a
patologia se desenvolva, isto , o nmero de casos novos de uma
populao em um tempo dado: varia de 0 (nenhum caso) a 1 (todos
esto doentes). O RR o risco de adoecer em um grupo (grupo
exposto) em relao ao risco de adoecer em outro grupo (pessoas no
expostas). Se no houver associao entre a exposio e a doena, o
risco de adoecer no depende da exposio e o RR igual a 1. Um
risco menor que 1 implica em uma reduo da doena com exposio,
enquanto que um RR maior que 1, sugere um aumento da doena
com exposio. Quanto maior for o RR, maior ser a associao entre
a exposio e o dano.
Junto com a obteno do RR se deve estimar o seu intervalo de
confiana de 95%, uma vez que possvel obter um valor do RR alto,
mas se o tamanho da amostra for pequeno, o seu valor ser duvidoso.
Se o extremo inferior do intervalo de confiana exceder o valor de 1,
se pode considerar igual um teste de significao estatstica.
H vrias frmulas simplificadas para estimar o intervalo de
confiana: para o RR (risco relativo), o limite de confiana de 95%
igual a:
1 1,96
RR
X
2
1,96: valor de z para freqncia de 0,025
\x
2
: raiz quadrada do qui-quadrado
Os valores superior e inferior se calculam elevando o RR ao
resultados da soma e diminuio do valor da razo 1,96/ \x
2
.
Os limites de confiana esto muito relacionados com os valores
de p e se no inclui o valor de 1, equivalente a significao
estatstica a um nvel de 5%. Vamos ao exemplo:
- no caso de ausncia pr-natal/mortalidade perinatal
RR calculado: 1,6
X
2
= (qui-quadrado sem a correo de Yates): 13,8
1 + 0,53

1 1 ,96 1,96 RR RR
\ 13,8 RR

3,7 RR RR
1,6
1,53
= 2,05 e 1,6
0,47
= 1,2
O intervalo de confiana a 95% :
...1...1,2_____________2,05
Como o extremo inferior deste intervalo de confiana excede o
valor 1, se pode dizer, neste caso, que h uma associao
estatisticamente significativa em um nvel de 5% entre a ausncia de
pr-natal e mortalidade perinatal, sendo que o risco de morte perinatal
nos produtos sem pr-natal excede, significativamente 1,6 vezes a dos
produtos com pr-natal.
No caso de ausncia de pr-natal/mortalidade neonatal: (faa
voc mesmo os clculos, usando uma calculadora cientfica):
RR = 2
ntervalo de confiana a 95%

...1...1,3 2,9
Vemos assim, que h uma associao estatisticamente
significativa em um nvel de 5% entre ausncia de pr-natal e
mortalidade neonatal, sendo que o risco de morte neonatal nos RN
cujas mes no fizeram pr-natal excede 2 vezes a dos RN cujas
mes fizeram pr-natal.
I('CK!c9!o do Risco Relativo dos Fatores Associados
O clculo do Risco Relativo de ter um problema de sade
associado a fatores combinados no ser apresentado aqui pela sua
complexidade. No entanto, frisamos que no processo de seleo dos
fatores importante determinar se os que podem encontrar-se em um
mesmo indivduo so independentes um dos outros, isto , esto
associados ao dano, mas no entre si. Sendo independentes, devem
ser considerados para a construo do instrumento de predico.
Caso sejam dependentes, ou seja, um atua atravs do outro, basta
incluir somente um deles. A prova de independncia de 2 ou mais
fatores se faz comparando o RR resultante do produto do RR de cada
1 - 0,53

1,53
0,47
fator isolado (RR esperado com RR dos fatores de risco combinados:
veja o exemplo: (de Sarue, E. e cl)
Gestante com 40 anos ou mais: RR = 1,8
Paridade de 5 ou mais : RR = 1,4
Produto do RR dos fatores isolados (RR esperado): RR = 2,5
Fazendo clculo do RR dos fatores combinados, temos o valor
de 1,3.
Como interpretamos: como o RR dos fatores combinados
(gestantes com 40 anos ou mais e paridade de 5 ou mais) MENOR
que o RR esperado, podemos concluir que estes dois fatores so
independentes.
No caso do RR dos fatores combinados for MAOR que o RR
esperado (produto dos fatores isolados), podemos concluir que os
fatores esto misturados em alguma proporo, no so
independentes e que a influncia de um potencia a influncia do
outro.
V-3-Seleo dos fatores de risco com fins de interveno (Risco
Atr,9M=e!)
Na formulao de programas de cuidados da sade preciso
identificar em que medida um fator de risco contribui para o dano na
comunidade. Assim, alm de conhecer o RR do fator (ou seu grau de
associao com o dano) vamos agora conhecer que nvel de risco
representa este fator pela sua freqncia na comunidade (se a
freqncia for baixa, no ter importncia para a ao de controle,
uma vez que representa baixo risco para a comunidade). Assim, temos
a definio de R,sco Atr,9M=e! (RA": este mede a percentagem da
incidncia do dano que se reduz no grupo exposto ao fator, se este
fosse neutralizado (impacto do controle no grupo exposto). Quando se
refere populao, temos o risco Atr,9M=e! 8 Pop9!a:;o (RAP":
RA MENOS
TAXA DE NCDNCA NO
GRUPO
Com fator de risco (P
1
)
Taxa de incidncia no grupo
sem o fator de risco (P
2
)
O RA outra medida de associao entre fatores e danos e
pode ser definido com a diferena entre a probabilidade ter o dano nos
que esto expostos ao fator e a probabilidade de ter o dano nos que
no esto expostos. Assim, a diferena de probabilidade atribuvel
exposio ao fator e se expressa como:
R
A
= P
1
P
2
Vejamos um exemplo:
No exemplo do fator ausncia de pr-natal e o dano mortalidade
perinatal visto anteriormente, o risco atribuvel : (consulte a matriz de
deciso anterior).
R
A
= P
1
P
2

P
1
= 117/ 2.742 = 0,043
P
2
= 94/ 3.631 = 0,26
R
A
= 0,043 0,26 = 0,017
Como interpretar este valor de RA: significa que 17 mortes
perinatais de cada 1.000 (mil) gestantes so atribuveis presena do
fator ausncia de pr-natal.
Para saber o que isto significa em uma comunidade especfica,
necessrio relacionar esta probabilidade (0,017) com a freqncia do
fator na populao. Se a sua freqncia for excepcional, esta
probabilidade atuar sobre poucas gestantes. Se for muito freqente,
o impacto ser maior.
A forma de estimar o impacto calculando o Risco Atribuvel ao
fator da populao (RAP). Para calcular o RAP emprega-se a seguinte
frmula:
RAP% F% (P
1
P
2
)
P (geral)
P
1
P
2
= a probabilidade encontrada
F% = a freqncia do fator na populao
P (geral) = a probabilidade do dano entre todas as gestantes
No caso, temos:
RAP% = 43 X 0,017 = 22 %

211 / 6.373

Portanto, se fosse possvel controlar este fator em todas as
gestantes que o apresentam, o impacto (meta do programa) que
poderia obter seria a reduo da taxa de mortalidade perinatal em
22%.
Vamos a seguir calcular o RAP para ausncia de pr-natal e
morte neonatal.(consulte a matriz de deciso anterior)
RAP = 43. (0,021 - 0,010) = 30%
96/6258
Como interpretar? Significa que 30% da probabilidade mdia de
mortalidade neonatal da rea em estudo est associada freqncia
do fator ausncia de pr-natal em 43% das gestantes.
Qual a importncia de conhecer este fato: se fosse possvel
controlar este fator em todas as gestantes que o apresentam, o
impacto que se poderia obter seria a reduo da taxa de mortalidade
neonatal em 30%.
Tal como o RR, o RAP merece calcular o seu intervalo de
confiana de 95%. Neste caso, o extremo inferior do intervalo deve ser
superior a zero e no a 1, como no RR. Por ser muito complexo o seu
clculo matemtico, deixaremos de apresent-lo.
V-Odds Ratio (OR) ou Razo das chances.
Os estudos de casos-controles comparam a freqncia de expostos a
um determinado fator entre um grupo de indivduos que apresenta a
doena casos e outro que no a tem controle. Nestes estudos se
ingressa pelo dano, isto , um grupo de indivduos doentes se estuda
a exposio ao(s) fator(es) comparado contra um grupo de
indivduos sem esta patologia, expostos ao(s) mesmo(s) fator(es). Aqui
estamos lidando com grupos: um portador da condio (doena) e
Significa que 22% da probabilidade de
mortalidade perinatal da rea em estudo,
est associada freqncia do fator
ausncia de pr-natal em 43% das
gestantes.
outro no portador da condio (controle). Estes estudos tambm so
chamados de estudos retrospectivos, pois a partir da doena-dano se
busca para trs fator (es) de exposio. Veja o esquema:
Fator DANO
Sim No
Sim a B
No c D
a + b b + d
n (a+b+c+d)
Assim, a soma horizontal no tem sentido (se pode conhecer
todos os enfermos e s um nmero muito pequeno dos no doentes).
Assim, torna-se impossvel calcular o RR como aprendemos
anteriormente e ento, usamos um estimador indireto do RR que a
razo dos produtos cruzados ou de chance (Odds Ratio OR):
OR = a x d
b x c
A razo das chances (OR) definida como a probabilidade de
que um evento ocorra dividido pela probabilidade de que ele no
ocorra. Quando o(a) pequeno com relao a (b) e o (c) pequeno
em relao a (d), os resultados entre RR e o OR so muitos
semelhantes.
Uma vez calculada a OR, preciso estimar o seu intervalo de
confiana de 95%: se o extremo inferior deste exceder o valor de 1, se
pode considerar igual que um teste de significao estatstica.
Como fazemos:
1. tirar o logaritmo neperiano (ln) da OR (logaritmo dos nmeros
naturais)
2. calcular o desvio padro (dp) do ln OR com a seguinte frmula:
Este um bom estimador do RR sempre que a prevalncia do
dano nos no expostos seja igual ou menor que 5%.
1 + 1 + 1 + 1
a b c d
dp (ln 0R) =
3. multiplicar o dp (ln OR) por 1,96
4. o resultado obtido em 3, se soma e se resta do ln OR
5. aos valores obtidos , se calcula o antilogartmo neperiano e assim,
se obtm o limite inferior e superior do intervalo de confiana: se
no incluir o valor 1, equivalente a significao estatstica a um
nvel de 5% ( frente, um exemplo para ficar mais claro).
Vamos calcular o intervalo de confiana da OR = 1,7
1. log neperiano: ln OR = 0,53
2. dp(lnOR)= 1 + 1 + 1 + 1
117 2625 94 3537

3. 0,14 x 0,2744
4. 0,53 - 0,2744 = 0,25 antilogartmo = 1,28
0,53 + 0,2744 = 0,80 antilogartmo = 2,2
5. 1,28 1,7 2,2
lnOR - 1,96 dp(lnOR) lnOR + 1,96 dp(lnOR)
Este intervalo de confiana (1,28 ...2,2) no contm 1:
equivalente a significao estatstica a um nvel de 5%.
= 0,14
ENTENDENDO BOESTATSTCA BSCA
PARTE V
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
X' Teste de N,pLteses
Na maioria das vezes, o pesquisador toma deciso para toda
populao, tendo examinado apenas parte desta populao (amostra).
Este processo chama-se de inferncia. Na pesquisa cientfica, a
inferncia feita com a ajuda de testes estatsticos.
Para a compreenso de um teste estatstico preciso que
entendamos o que vem a ser Hiptese Nula (H
0
) e Hiptese Alternativa
(H
1
).
Hiptese uma conjectura, uma resposta presumida e provisria
que, de acordo com certos critrios, ser ou no rejeitada.
Hiptese Nula (H
0
): aquela que simplesmente afirma que no
h diferena entre os grupos estudados; trata-se de uma hiptese que
atribui ao acaso a ocorrncia do fenmeno ou resultado observado.
Hiptese Alternativa ou experimental (H
1
): aquela que afirma
que h diferena entre os grupos estudados.
O principal objetivo de testar uma hiptese responder
seguinte questo: dadas duas amostras so elas realmente diferentes
ou pertencem a uma mesma populao, ou em outras palavras, as
diferenas encontradas entre duas ou mais amostras so verdadeiras
ou podem ser explicadas pelo acaso.
O processo de testar hiptese consiste em seis etapas:
1.
Estabelecer a H
1
( se l ag 1)
2.
Estabelecer a H
0
( se l ag zero)
3.
Determinar o tamanho da amostra
4.
Colher os dados
5.
Realizar teste estatstico para verificar a probabilidade
de que a H
0
seja verdadeira
6.
Rejeitar ou no a H
0
Segundo R. A Fisher, se pode dizer que todo experimento existe
somente com o propsito de dar aos fatos uma oportunidade de
afastar a hiptese nula. Ao afastar a hiptese nula, estamos afirmando
a validez da hiptese alternativa.
Todo experimento realizado para testar uma hiptese. O
pesquisador formula uma hiptese, observa, analisa e em seguida
conclui. Aps observar, o pesquisador descreve e mede.
Jamais atribuindo juzos de valor ao que est sendo visto; o
pesquisador pode decidir erroneamente e rejeitar a hiptese nula
sendo ela verdadeira (Erro tipo ). Assim, o pesquisador aceita como
verdade uma diferena que na realidade no existe e que na verdade,
se deve variabilidade das amostras. Quando a hiptese H
0
falsa e
o pesquisador no a rejeita, dizemos que ele cometeu um Erro tipo ,
significando que existia, de fato, uma diferena que no foi
reconhecida.
Assim:
A
probabilidade (p) de rejeitar a H
0
quando a H
0
verdadeira, o que
chamamos de nvel de significncia do teste. O estatstico no sabe
quando rejeita a H
0
, se est ou no cometendo erro, mas sabe a
probabilidade de cometer este tipo de erro. Se a probabilidade for
suficientemente pequena (< 5%), a deciso de rejeitar a H
0
est bem
fundamentada. O nvel de significncia representado pela letra grega
(l-se alfa). O nvel de significncia o nome com que se designa a
probabilidade .
Vejamos o exemplo:
Feito um experimento com duas drogas (A, B), o pesquisador
pergunta se a droga A cura tanto quanto a droga B.
O estatstico v a pergunta do pesquisador como duas
hipteses:
a) H
0
: a proporo de pacientes curados com a droga A igual
proporo de pacientes curados com a droga B
Erro tipo : rejeita a H
0
sendo verdadeira (fato obtido por
(erro alfa) azar: rara ocorrncia estatstica)
Erro tipo : aceita a H
0
sendo falsa (erro mais freqente)
(erro beta)
b) H
1
: a proporo de pacientes curados com a droga A diferente da
proporo
de pacientes curados com a droga B.
Feitas as hipteses, o estatstico estabelece o nvel de
significncia do teste. O nvel de significncia seria a probabilidade (p)
de afirmar que uma das drogas determina maior proporo de curas,
quando na verdade, a proporo de pacientes curados a mesma,
seja a droga A ou B. usual manter o nvel de significncia de 1% e
5% um de 5% significa que cometemos um erro (tipo ) de 5% em
rejeitar a H
0
(sendo verdadeiro) e aceitar H
1
(1 em cada 20 se comete
o Erro tipo ao rejeitar a H
0
). Um de 1% (0,01), significa que ao
rejeitar a H
0
e aceitar a H
1
, o risco de estarmos errando, ou seja,
cometendo um erro tipo de 1%. O nvel de significncia representa
a mxima probabilidade de tolerar um erro tipo . Assim:
Os erros ocorrem ao testar hipteses por diferentes motivos:
- Erro tipo : amostras pequenas (h uma maior chance de serem
diferentes quanto menores forem; numa amostra maior, estas
diferenas se diluiriam).
- Erro tipo : amostras pequenas
grande quantidade de amostras
Algum erro sempre ocorre, sendo til admitir que para o Erro tipo
ou alfa, considera-se que 5% aceitvel e para o tipo ou beta,
aceita-se geralmente 10 - 20%.
Tamanho da Amostra
Para determinar o tamanho da amostra preciso estabelecer
qual a diferena deve ser considerada significativa. Esta uma
erro e erro
erro e erro
deciso arbitrria do pesquisador, baseada na experincia, na
literatura e/ou na relevncia clnica.
Para determinar o tamanho da amostra, deve-se considerar o
nvel de significncia adequado: quanto de probabilidade aceitvel
para que H
0
seja verdadeira. Geralmente considera-se uma
probabilidade menor ou igual a 5% como adequada (p 0,05). Deve-
se tambm definir um erro beta (erro tipo ) aceitvel: se aceitamos
um erro beta de 0,1 estamos aceitando uma chance de 10% de deixar
de reconhecer uma diferena que realmente existe. Para fins prticos:
- Amostras grande: n > 100
- Amostras mdias: n > 30
- Amostras pequenas: n < 30
- Amostras muito pequenas: n < 12
Lembrar que:
quanto menor a diferena a ser detectada, maior dever ser o
tamanho da amostra
quando menor o nvel de significncia (p), maior deve ser o tamanho
da amostra.
A etapa seguinte consiste na coleta de dados, lembrando que
maus dados levam igualmente a ms concluses.
Uma vez obtidos os dados, faz-se a anlise estatstica aplicando-
se testes escolhidos em funo do tipo de dados disponveis.
XI' TESTE DE /ISNER O$ DA PROBABI)IDADE EXATA
O teste de Fisher usado para amostras pequenas e produz
menos erro tipo e em relao ao teste do qui-quadrado. O teste de
Fisher permite calcular a probabilidade de associao das
caractersticas que esto em anlise, ou seja, de elas serem
independentes. Assim, o teste de Fisher utilizado nas seguintes
situaes:
- n < 20
- n > 20 e < 40 e a menor freqncia esperada for menor
que 5.
O teste de Fisher calcula a probabilidade de que a matriz de
deciso usada tenha sido obtida por acaso e, portanto, sem mudar os
totais das colunas e linhas, o teste de Fisher contrai todas as tabelas
possveis. Os softwares estatsticos, na sua maioria so capazes de
aplic-lo.
Vejamos os exemplos:
a) quando houver uma clula na matriz de deciso com o valor zero:
Supondo a presena de uma determinada enzima em pessoas
submetidas a uma reao sorolgica
Reao
Enzima
Total
Presente Ausente
+ 5 1 6
- 0 3 3
Total 5 4 9
A probabilidade igual ao produto dos fatoriais dos totais
marginais pelo fatorial do total geral multiplicado pelo inverso dos
produtos dos fatoriais dos valores observados em cada classe.
P = (a + b !) x (c + d !) x (a + c !)x (b + d !)
n ! x 1 / a! b! c! d!
Aplicando a frmula temos:
P = [ (6! 3! 5! 4!)/ 9!] x [ 1/(5! 1! 0! 3!)] (consulte no final a tae!a A'
10 de fatoriais de 0 - 20)
P= [ (720 x 6 x 120 x 24)/ 362880] x [ 1/(120 x 1x 1x 6)]
! : fatorial; 0!: fatorial de 0 = 1
Resolvendo, temos p = 0,046 = 4,76%
Como este valor menor que 5%, a hiptese das caractersticas
serem independentes rejeitada dizendo-se que a sua associao
no casual, ou seja, as pessoas submetidas a uma reao
sorolgica apresentam significativamente uma determinada enzima
(afastamos a H
0
).
b) se no houver clula com valor zero na matriz de deciso. Para isto
devemos fazer:
1. calcular a probabilidade idntica ao escrito acima
2. construir outra tabela 2 x 2, subtraindo-se uma unidade dos valores
da diagonal que contenha o menor nmero de casos e adicionando
esta unidade aos valores da outra diagonal.
3. Calcular novamente a probabilidade
4. Este processo continuar at que se atinja o valor 0
5. Somar todas as probabilidades calculadas
Exemplo: supondo que os valores obtidos sejam:
Reao Enzima Total
Presente Ausente
+ 5 3 8
- 2 5 7
Total 7 8 15
Calcularamos:
total
5 3 8
2 5 7
total 7 8 15
total
6 2 8
1 6 7
total 7 8 15
P = (8! 7! 7! 8!/15) (1/5! 3! 2! 5!)
P = 0,1828
P = (8! 7! 7! 8!/15) (1/6! 2! 1! 6!)
P = 0,0305
total
7 1 8
0 7 7
total 7 8 15
p = 0,1828 + 0,0305 + 0,0012 = 0,2145 = 21,45%
Neste caso, como o valor encontrado de P maior que 5%, a
hiptese das caractersticas serem independentes aceita, dizendo-se
que a sua associao casual, ou seja, neste exemplo as pessoas
submetidas a uma reao sorolgica no apresentam
significantemente uma determinada enzima (no afastamos a H
0
).
P = (8! 7! 7! 8!/15) (1/0! 7! 1! 7!)
P = 0,0012
ENTENDENDO BOESTATSTCA BSCA
PARTE V
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
XII' Teste t
s vezes os pesquisadores necessitam de testar se o Q mdio
de uma amostra de crianas nascidas prematuramente ( que igual a
100) igual ao Q das demais crianas nascidas a termo ( valor j
conhecido na literatura).
Outras vezes necessrio a comparao de condies
experimentais, como, testar uma droga: um grupo recebe a droga
(grupo tratado) e o outro grupo no recebe o tratamento (grupo
controle). O efeito do tratamento ser dado pela comparao dos dois
grupos (comparao de duas mdias).
O teste mais comumente usado para analisar um grupo simples
ou comparao de dois grupos o teste estatstico Students t-test ou
o Teste t . O nome deste teste refere-o ao pseudnimo usado por W.L.
Gosset, uma vez que a companhia na qual trabalhava (Guinnes
Brewing Company) no permitiu publicar sua pesquisa usando seu
prprio nome e assim publicou com o nome Student.
importante para a aplicao do Teste t que a varivel em
estudo tenha distribuio normal ou aproximadamente normal.
Passos:
Nvel de significncia: letra grega
Mdia de cada grupo: X
1
: mdia do grupo 1
X
2
: mdia do grupo 2
Varincia de cada grupo:
S
2
1
: varincia do grupo
S
2
2
varincia do grupo 2
Varincia Ponderada:
S
2
= (n
1
- 1)
2
+ (n
2
1)S
2
2
n
1
+ n
2
2
n
1
o nmero de elementos do grupo 1 e n
2
o nmero de elementos
do grupo 2.
O valor t definido pela frmula
X
2
- X
1

Uma vez obtido o valor de t (t
0
calculado), devemos comparar o t
0
com o t crtico (tc) que obtido em
uma tabela de valores de t (tae!a A'E no final), ao nvel de
significncia estabelecido e com ( n
1
+ n
2
2) graus de liberdade
(consulte no final a tabela de valores de t, segundo os graus de
liberdade e o valor de ).
Se o valor de t
0
for maior ou igual a tc (t
0
tc), significa
que as mdias no so iguais ao nvel de significncia, podendo-se
assim afastar a H
0
(hiptese nula), ou seja, podemos afirmar que o
valor observado tem < 5% de chance de ocorrer por acaso e 95% de
chance de no ocorrer.
Vamos a um exemplo:
Verificar se duas dietas para emagrecer so igualmente
eficientes ou se uma determinada dieta foi melhor (produziu
significativamente menor perda de peso) em um determinado grupo.
Vejamos os dados:
Perda de peso em kg segundo a dieta
Dieta 1 Dieta 2
12 15
8 19
15 15
13 12
10 13
12 16
14 15
11
12
13
nicialmente, vamos estabelecer o nvel de significncia: = 5%
1 1
n
1
n
2
S
2
t =
+
Clculos:
Mdia de cada grupo
X
1
= 12 + 8 +... + 13 = 120 = 12
10 10
X
2
= 15 + 19 + ... 15 = 105 = 15
7 7
Varincia de cada grupo
S
2
1
= 4
S
2
2
= 5
Varincia ponderada
S
2
2
= 9 x 4 + 6 x 5 = 4,4
9 + 6
Valor de t
15 12 = 2,902
Graus
de liberdade: n
1
+ n
2
- 2 = 10 + 7 2 = 15 graus
de liberdade ( os graus de liberdade nada mais
so do que uma forma de fazer uma correo em
funo do tamanho da amostra e do nmero de combinaes
possveis).
Observado os valores de tc na tae!a A'E, vemos que o t
0
de 2,902 maior que o tc (valor encontrado na tabela com de 5% e
15 graus de liberdade).Assim, conclumos que a perda de peso dos
dois grupos de pacientes submetidos aos dois tipos de dieta
diferente e assim, afastamos a hiptese nula que afirma que no h
diferena entre os grupos e aceitamos a hiptese alternativa (H
1
),
podendo ser afirmado que a perda de peso significativamente maior
no grupo de pacientes submetidos dieta 2.
Outro exemplo:
Um pesquisador testou uma nova droga e quis verificar se
ela era melhor para tratar determinada doena que o tratamento
clssico vigente. Para isso, mediu os tempos de recuperao em dois
grupos, A e B, obtendo os seguintes resultados.
4,4 ( 1+ 1)
10 7
t =
Tempo de recuperao X Tratamento
Tempos de recuperao (dias)
Tratamento
Clssico
Grupo A
Tratamento
Novo
Grupo B
10 6
8 7
14 6
12 8
15 7
9 9
8 6

A H
0
diz que no h diferena entre os dois grupos. A
primeira vista parece que o novo tratamento reduziu o tempo de
recuperao, mas para termos certeza, temos que afastar a H
0
.
Realizando os clculos, o t
0
= 3,315. Recorrendo a tae!a
A'E com os valores de tc, vemos que o tc com 12 graus de liberdade
e = 5% (nvel de significncia) 2,179, portanto o t
0
> tc e assim,
podemos rejeitar a H
0
, ou seja, podemos dizer que h uma diferena
estatisticamente significativa entre os dois tratamentos.
Quando a varincias so desiguais, a frmula do teste t :
O nmero de graus de liberdade associado ao valor de t, que o
inteiro mais prximo do nmero g, obtido pela frmula:

X
2
X
1
S
2
1
+ S
2
2
n
1
n
2
S
2
1
S
2
2

2
n
1
n
2
S
2
1
2
S
2
2
2
n
1
n
2
n
1
- 1 n
2
- 1
t =
g =
+
Como saber se as varincias so iguais: na prtica se a maior
varincia for igual a 4 vezes a menor, admite-se que as duas
populaes tm varincias iguais. Seja o exemplo:
Se as amostras tm varincias S
2
1
= 15,64 e S
2
2
= 6,80, temos
S
2
1
= 15,64 = 2,30 que < 4.
S
2
2
6,80
Assim, razovel admitir que as varincias so iguais. Podemos
aplicar um teste estatstico para termos certeza de que as varincias
so iguais: Teste F
F = S
2
1

S
2
2
Graus de liberdade: n - 1(numerador) e n - 2 (denominador).
Realizados os clculos, procure o valor de F na tabela de valores
de F (tae!as A'2C A'5C A'0 no final) com o nvel de significncia igual
a metade do nvel de significncia escolhido, e segundo o nmero de
graus de liberdade do numerador e do denominador. Toda vez que o F
calculado for igual ou maior que o F da tabela, rejeita-se a hiptese de
que as varincias das duas populaes so iguais ao nvel de
significncia estabelecida. Vejamos exemplo:
Um mdico aplicou uma dieta a um grupo de pacientes e o outro
(controle) continuou com os mesmos hbitos alimentares. Vejam as
perdas de peso em kg de pacientes segundo o grupo:
Grupo
Tratado Dieta
12 1
14 0
12 0
9 1
14 0,5
14 1
9 0
+
Nvel de significncia estabelecido: = 5%
1. mdia de cada grupo: X
1
= 12
X
2
= 0,5
2. varincia de cada grupo: S
2
1

= 5,0
S
2
2
= 0,23
Para saber se as varincias so ou no iguais, aplicar o teste
S
2
1

= 5 = 20
S
2
2

0,25
O valor de F est associado a 6 (numerador) e 6 (denominador)
graus de liberdade. Na tabela de F para = 2,5% (tae!a A'2) com 6
e 6 graus de liberdade, encontramos o valor de 5,82. Assim, rejeita-se
a hiptese de que as varincias so iguais ao nvel de significncia de
5%. Ento, o valor de t passa ser calculado da seguinte forma:
0,5 - 12 11,5

5,0 + 0,25 \5,25
7 7 7

O nmero de graus de liberdade:
Consultando a tabela para verificar o valor de tc com 7 graus de
liberdade, ao nvel de significncia de 5% observamos que o to > tc e
assim dizemos que podemos rejeitar a hiptese (nula) de que as
mdias so iguais, ou seja, a perda de peso foi significativamente
maior no grupo submetido dieta.
= 13,28
5,0 + 0,25
2
7 7
5,0
2
0,25
2
7 7
6 6
g =
=
g = 0,5625
0,085247
= 6,6 7 graus de liberdade
F =
t =
t =
+
Test t para oser=a:Oes pareadas
s vezes os pequisadores estudam os efeitos de um tratamento
comparando-se:
- pares de indivduos (um gmeo recebe um tratamento e o outro,
no).
- dois lados de um mesmo indivduo (aplicao de um tratamento
para a preveno de cries em um lado da arcada dentria e o
outro lado sem tratamento-controle).
- mesmo indivduo duas vezes (presso arterial antes e aps o
tratamento em um mesmo indivduo).
Como fazer o teste t nestas observaes pareadas:
- nvel de significncia ()
- diferena entre as unidades de cada um dos n pares
d = X
2
- X
1
- mdia das diferenas
d = _d (_d: somatria das diferenas)
n
- varincia das diferenas
S
2
= _d
2
- (_d)
2
n
n - 1
- o valor de t
d
S
2
n
Graus de liberdade : n - 1
Vejamos o exemplo:
Observem o peso de 9 pessoas antes e depois de estas pessoas
se submeterem a uma dieta para emagrecer:
t =
Dieta
Antes Depois
77 80
62 58
61 61
80 76
90 79
72 69
86 90
59 51
8 81
Seja de 1% ( 0,01)
a) as diferenas entre os valores observantes e depois da dieta so:
80 77 = 3
58 2 = 4
61 61 = 0
76 80 = - 4
79 90 = -11
69 72 = -3
90 86 = 4
51 59 = -8
81 88 = -7
b) mdia das diferenas
d = 30 = 3,333
9
c) varincia das diferenas


300 (30)
2

9
9 - 1
d)valor de t
t = - 3,333 = -2,0
25
9
S
2
= = 25
Graus de liberdade : n 1 = 9 1 = 8 graus de liberdade.
Consultado a tabela de tc (t crtico-tae!a A'6), vemos que o tc
com 8 graus de liberdade e no nvel de significncia de 1% 3,36.
Como o valor (absoluto) de t
0
foi de 2,0, ou seja, t
0
< tc, no podemos
afastar a H
0
que diz no haver diferena de perda de peso com a dieta
testada. Assim, podemos dizer que o tratamento no tem efeito
significativo, ao nvel de 1% (o tratamento no provou que a dieta
emagrece).
X ESTADGRAFO DE SANDLER
Para amostras correlacionadas: mesmos indivduos ANTES e
DEPOS.
A = D
2
soma dos quadrados das diferenas
(D)
2
quadrado das soma das diferenas
Graus de liberdade: N 1. Consultar tabela A'11 para os valores
crticos de A (A
c
). Se A
obs
A
c
, rejeitar a H
0
e aceitar a H
1
, isto , o
resultado foi significativo.
Vamos a um exemplo:
Um grupo de 10 estudantes assistiram a um filme e foi realizada
a avaliao da atitude destes estudantes antes e depois de assistir o
filme. Houve mudana de atitude destes estudantes? Lembrem-se que
a H
0
diz que no h mudanas e a H
1
diz que h. Temos ento que
rejeitar a H
0
para afirmar com certeza (estatisticamente significativa)
que houve mudana de atitude dos estudantes. Se no podermos
afastar a H
0
, conclumos que no houve alterao na atitude destes
alunos.
Antes Depois Diferena (D) Quadrado da
Diferena (D
2
)
1 25 28 -3 9
2 23 19 4 16
3 30 34 -4 16
4 7 10 -3 9
5 3 6 -3 9
6 22 26 -4 16
7 12 13 -1 1
8 30 47 -17 289
9 5 16 -11 121
10 14 9 5 25
D = -37 D
2
= 511
A= D
2
= 511 = 0,373
(D)
2
(-37)
2
Examinando a tabela A-11 para valores crticos de A, para um
nvel de significncia de 0,05 (5%), o valor Ac 0,368 para 9 graus de
liberdade.
Como o A
0bs
(0,373) maior que o Ac (0,368), no podemos
rejeitar a H
0
e dizemos que o filme no ocasionou mudanas na atitude
dos nossos estudantes que assistiram o filme.
ENTENDENDO BOESTATSTCA BSCA
PARTE V
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF

XV- ANLSE DA VARNCA (ANOVA)
(ESTATSTCA F)
TESTE DE TUKEY
At o presente momento discutimos formas de comparar dois
grupos de pacientes ou duas amostras. Muitas vezes torna-se
necessrio comparar mdias de mais de duas populaes.
Suponhamos que queiramos testar quatro drogas diferentes ao
mesmo tempo (quatro diurticos diferentes A,B,C,D) e que desejamos
avaliar o efeito de cada uma das drogas sobre o dbito urinrio em
16 voluntrios.
Para sabermos se os grupos so significativamente diferentes
uns dos outros, se algum dos diurticos testados tem um efeito
diurtico importante, utilizando o teste t, podemos comparar os grupos
dois a dois, por meio de 6 testes t separados, o que poder revelar
uma diferena significativa entre os diurticos. Alm da perda de
tempo com este procedimento, poderamos estar incorrendo num erro
tipo , pois ao aceitar 5% de erro em cada uma das 6 anlises
separadas, haveria uma chance de 30% ( 6X 5%) de encontrar, por
mero acaso uma diferena estatisticamente significativa.
O uso da anlise da varincia (ANO(A: Analysis of Variance)
indicar a probabilidade de que a hiptese nula seja verdadeira, ou
seja, probabilidade de que nenhuma diferena existe entre quaisquer
dos grupos. Se a hiptese nula (H
0
) for rejeitada, ser o indcio de que
h diferena de potncia em algum dos diurticos testados. Para
localizar o diurtico envolvido, ser necessrio um teste ANOVA de
comparao de pares.
Os testes de ANOVA se apiam na hiptese de que se os grupos
so semelhantes, a varincia em cada um (dentro) dos grupos
semelhante quela entre os grupos; o que estes fazem comparar a
variabilidade das mdias de todas as amostras coma variabilidade
dentro das amostras.
Assim , o teste precisa determinar a variabilidade dentro de cada
amostra, bem como a variabilidade que existe entre mdias das
amostras. Ao fazermos isto, geramos uma estatstica chamada F, cuja
frmula :
F = estimao da varincia ENTRE os grupo
estimao da varincia DENTRO dos grupos
F: distribuio F de R.A Fischer; o F observado ao F crtico,
rechaa a hiptese nula de que no h diferena entre as varincias.
Lembrem-se sempre que:
H
0
(hiptese nula): no h diferena entre os grupos
H
1
(hiptese experimental) : h diferena entre os grupos
Vejamos um exemplo:
3 grupos de crianas (ao azar) receberam diferentes nveis de
motivao para aritmtica . Depois se fez um exame.H diferenas
significativas entre os 3 nveis de motivao (baixa, mdia e alta)?
Vejamos:
Grupo 1 Grupo 2 Grupo
4 16
5 5 25
4 4 16
3 3 9
6 6 36
10 10 100
1 1 1
8 64
4 25

X
1
X
1
2
X
1
= 5,11
12 144
8 64
10 100
5 25
7 49
9 81
14 196
81 9 81
4 16
X
2
X
2
2
X
2
= 8,67
1 1
3 9
4 16
6 36
8 64
5 5 25
3 9
2 4
2 4
X
3
X
3
2
X
3
= 3,78
X : Mdia
Anlise das Varincias
Soma dos
quadrados
Graus de
liberdade
quadrado mdio = estimao
da varincia
Entre a K - 1
Dentro c N K
Total b N 1
(a) : ( X
1
)
2
+ X
2
2
+ X
2
3
- ( X total)
2
N1 N2 N3 N
(b): X
2
- (X)
2
N
c = b - a
K = nmero de grupos ( no exemplo K = 3)
N = nmero de indivduos (no exemplo N = 27)
Graus de liberdade de F: F
(K 1) (N K)
= 2 (numerador) e
24 ( denominador)
Realizando os clculos:
Clculo de (a): entre os grupos:
a = (46)
2
+ (78)
2
+ (34)
2
+ (158)
2
= 235,11 + 676 + 128,49 + 924,60
9 9 9 27
(a) = 114,96
Clculo de (b): total dos grupos
(b) = 292 + 756 + 168 - (46+78+34)
2
= 1216 - 924,6
27
(b) = 291,4
Clculo de (c): dentro dos grupos
( c) = b - a = 291,4 - 114,96 = 176,45
Estimao da varincia entre os grupos:
a = 14,96 = 57,48
K- 1 3 - 1
Estimao da varincia dentro dos grupos:
c = 176,45 = 7,35
N - K 27 - 3
F = estimao da varincia (a) = 57,48 = 7,82
Estimao da varincia (c) 7,35
Consultando o valor de F na tabela (Fcrtico), observamos o
valor de Fc de 3,37 ao nvel de significncia de 5% com 2 e 24 de
liberdade (Tabela A-4) no final.
graus de liberdade : K - 1 = 2 (numerador): entre
N - K = 24 (denominador): dentro
nterpretao:
Como o valor de F observado (7,82) foi maior que o valor de F
encontrado na tabela dos valores de F, podemos dizer que
rechaamos a hiptese nula e podemos dizer que houve diferenas
significativas entre os grupos ao nvel de significncia de 5%.
Quanto maior for o valor do F observado, maior ser a variao
entre os grupos em relao variao dentro dos grupos e,
conseqentemente , maior probabilidade de rejeitar a hiptese nula e
aceitar a hiptese experimental.
A ANOVA informa somente se h ou no diferena
estatisticamente significativa entre dois ou mais grupos, mas no
informa quais os grupos envolvidos. Para identificar os grupos, deve-
se realizar uma comparao entre os pares - pair wise comparision
test - que ir comparar cada grupo com cada um dos outros. Entre os
testes capazes de realizar esta anlise, vamos comentar sobre o Teste
de Tukey:
O Teste de Tukey (1953) permite estabelecer a diferena mnima
significante ou seja, a menor diferena de mdias de amostras que
deve ser tomada como estatisticamente significante, em determinado
nvel. Esta diferena (d.m.s) dado pela frmula:
d.m.s =q varincia
estimada dentro dos grupos (c)
N (nmero de indivduos em cada estudo ou
nmero de repeties de cada tratamento)
valor obtido na tabela (Tabela A-7, no final)no nvel de
significncia e graus de liberdade: q
K1
,
N K,
No nosso exemplo: q
3
,
24,0,05
d.m.s= 3,53 7,35 = 3,19
9
nterpretao:
Como vimos, aplicando a ANOVA, as mdias dos 3 grupos no
so estatisticamente iguais. Mas qual ou quais so as mdias
diferentes entre si?
De acordo com o Teste de Tukey, duas mdias so
estatisticamente diferentes toda vez que o valor absoluto da diferena
entre eles for igual ou superior ao valor da d. m. s.
No nosso exemplo, o valor da d.m.s 3,19 e os valores absolutos das
diferenas entre as mdias so:
X
1
- X
2
= 5,11 - 8,67 = 3,56
X
2
- X
3
= 8,67 - 3,78 = 4,89
X
1
- X
3
= 5,11 - 3,78 =1,33
X
1
versus X
2
e X
2
versus X
3
so maiores que
3,19. Assim, vemos que as diferenas entre as mdias dos grupos 1 e
2 e dos grupos 2 e 3 so estatisticamente significativas ao nvel de
significncia de 5% (0,05) o que no ocorreu entre os grupos 1 e 3,
porque X
1
- X
3
menor que a d.m.s
Outros autores chamam esta diferena mnima significativa como
prova da diferena honestamente significativa (DHS).
No caso em que h um nmero diferente de repetio do
tratamento, a d.m.s calculada pela frmula:
d.m.s =
ri :
nmero
de
repeties de i - simo tratamento
rj: nmero de repeties do j - simo tratamento.
Nesta situao, o teste de Tukey aproximado, porque os
tratamentos tem nmeros diferentes de repeties.
Seja o exemplo:
Dados segundo o tratamento e os respectivos totais
A B C
15 23 19
10 16 15
13 19 21
18 18 24
15 16
13
84 76 85

F = 3,96
Graus de liberdade: 2 e 12
Fc = 3,89
Como Fobservado > Fc, conclui-se que as mdias no so iguais.
Teste de Tukey: para comparar mdia de A com a mdia de B:

Para comparar mdia de A com C:


Para comparar a mdia de B com C:
1 + 1
6 4
1 + 1
6 5

X variao estimada dentro do grupo (c)
2
1 + 1
ri rj
8
2
= 4,87
d.m.s=3,77
d.m.s=3,77 8
2
= 4,87
Total

Os valores absolutos das diferenas das mdias entre os grupos
so:
A e B : 14 - 19 = 5
A e C: 14 - 17 = 3
B e C: 19 - 17 = 2
XV - Escolha do Teste Estatstico
Estabelecendo o nvel de significncia, o estatstico escolhe o
teste apropriado. Existe hoje grande variedade de testes disposio
dos interessados. Todos tm indicao precisa e todos tm vantagens
e desvantagens. A escolha do teste exige conhecimento de estatstica.
A escolha de um teste de significncia depende de
caractersticas dos dados coletados:
- Tipos de dados: nominais, ordinais ou contnuos
- Amostras isoladas, duas amostras ou mais de dois
grupos
- Emparelhamento ou no
- Amostras grandes ou pequenas ( dados nominais)
- Distribuio normal ou no (dados contnuos)
O teste a ser aplicado varia em funo do tipo de dados, sendo
ento a primeira etapa na escolha do teste, caracterizar o tipo de
Vemos que o valor absoluto da diferena entre A e B maior do que a respectiva
d.m.s e assim, conclui-se que , em mdia , A diferente de B, ao nvel de
significncia de 5%.
d.m.s=3,77 1 + 1
4 5
8
2
= 5,6
dados. A deciso a seguir consiste em determinar quantos grupos
sero comparados. Quando se trata de dois grupos de dados, o teste
de significncia determina a probabilidade de eles se originarem ou
no da mesma populao. Quando se deseja comparar mais de dois
grupos, s vezes 5 ,10 ou mais, deve-se usar anlise de varincia.
ENTENDENDO BOESTATSTCA BSCA
PARTE V
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
V-TESTES ESTATSTCOS NO - PARAMTRCOS
Os estatsticos imaginaram testes quando a distribuio da
populao altamente assimtrica.
Quando em dvida, os estatsticos escolhem um teste
paramtrico (a maioria dos testes de hipteses vistos anteriormente)
quando no esto seguros de que a distribuio normal foi violada e
testes no paramtricos porque no esto seguros de que a
distribuio normal foi encontrada (estes ltimos no so to eficientes
quanto aos paramtricos para detectar diferenas na populao).
Teste do S,na! - Sign Test: variveis qualitativas ou nominais.
Este teste recebe este nome porque a diferena em cada par
convertida nos sinais de (+), de (-) ou (zero) - quando no houver
diferena.
- H
0
: 1/2 dos sinais so (+) e 1/2 dos sinais so (-)
- H
1
: a proporo de vezes (p) em que aparece o sinal (+)
ou (-), seja igual a 0,5; valendo-se disto, possvel gerar
um escore Z, utilizando a frmula:
n: nmero de pares em que houve a diferena
p
,
: a freqncia de sinais (+) ou negativos (-).
Este teste constitui uma alternativa no-paramtrica (menos
poderosa) do teste t, para amostras emparelhadas. Seja o exemplo:
Z = 2 (p - 0,5) n
Considere a populao em que se deseja escolher dois
equipamentos de laboratrio, A e B capazes de realizar 12 anlises
diferentes e que a rapidez da execuo seja um ponto a ser
considerado. Foi feita uma aferio dos tempos gastos para executar
cada tarefa, com a finalidade de verificar se os equipamentos diferiam
entre si.
Tarefa Tempo A Tempo B Diferenas (A - B)
1
2
3
4
5
6
7
8
9
10
11
12
40
22
22
45
68
33
48
75
41
44
47
31
29
16
29
41
61
24
54
68
36
36
42
25
+
+
-
+
+
+
-
+
+
+
+
+
Aferio dos sinais negativos: p= 2/12 = 1/6
Z = 2 (1/6 - 0,5)\12 = - 2,28
O valor crtico de Z para um alfa de 5% 1,96; logo, pode-se
dizer que os equipamentos de A e B diferem entre si quanto
velocidade para um nvel de significncia de 5%.
P,!coGon S,@ned RanQ S9m Test: variveis ordinais
Este teste destina-se a comparar dois grupos emparelhados;
usado exatamente da mesma situao do teste t para amostras
emparelhadas.
Como calcular:
- Calcular a diferena entre os valores
- Atribuir postos aos valores absolutos das diferenas (a
menor diferena recebe o posto 1)
- Somar todos os postos das diferenas positivas e das
negativas obtendo-se somas chamadas de T
- Na tabela apropriada (tabela A'4 no final), encontrar os
valores de p correspondentes aos valores dos T obtidos,
considerando como n o nmero de pares em que a
diferena 0. Se os dois valores estiverem bastante
afastados, o valor de p ser pequeno: algumas tabelas
usam apenas o menor valor de T.
Seja o exemplo:
Considere o estudo de um frmaco, em que os usurios do
mesmo parecem ter o nmero de certo tipo de clula sangnea
alterada durante o seu uso e que se tenha obtido os seguintes
resultados:
Contagem do nmero de Clulas
Grupo
Controle
Droga
1162
1095
1420
1361
1101
999
1333
1235
1000
890
800
1104
1002
1101
858
988
875
1000
Vamos calcular as diferenas e classific-las:
Controle Droga Diferena Classificao da
diferena
1162
1095
1420
1361
1101
999
1333
1235
1000
890
800
1104
1002
1101
858
988
875
1000
- 272
- 295
- 316
- 359
0
-141
-345
-360
0
-2
-3
-4
-6
-
-1 (a menor)
-5
-7 (a maior)
-
Vemos que as diferenas foram todas negativas ou nulas; a
soma dos postos, rank, das diferenas negativas (-28) (T=28) e a
soma das classificaes das diferenas positivas zero (no houve
nenhuma). O n = (8 - 1) = 7 (foi excludo 1 par em que no houve
diferena). Consultando a Tabela A-8, obtm-se um valor de T = 2
(Tcrtico), considerado significativo, ou seja, a droga provavelmente
altera a contagem da clula sangnea estudada.
(Tobservado > Tcrtico).
Teste U de Mann-Whitney
Constitui a alternativa mais comumente usada para o teste t para
amostras independentes; um teste para provar se os dois grupos
independentes tm sido tomados da mesma populao. Todos os
clculos tambm so feitos como postos (ranks) e no com os valores
reais.
Exemplo: aferiu-se a presso arterial de dois grupos de estudantes (A
e B). Deseja-se saber se h diferena estatisticamente significativa
entre as medianas dos grupos A e B.
Resultado das presses arteriais para os grupos A e B com os
respectivos postos.
Presses do Grupo A 110 90 100 85 95
Postos de A 5,5 2 4 1 3
Presses do Grupo B 110 150 125 120 115
Postos de B 5,5 10 9 8 7
Ao classificar os dados atribuindo postos aos mesmo, havendo
valores iguais, atribui-se aos valores empatados um posto igual
mdia dos postos que seriam ocupados se no houvesse empate.
A seguir, somam-se os postos dos dois grupos e assim obtm-
se:
Grupo A: 5,5 + 2 + 4 + 1 + 3 = 15,5
Grupo B: 5,5 + 10+ 9 + 8 + 7 = 39,5
Para testar a diferena entre as somas dos postos, calcula-se o
estatstico U para ambos os grupos, utilizando as seguintes frmulas:
e
n
1
: tamanho da amostra menor
n
2
: tamanho da amostra maior
R
1
e R
2
: soma dos postos de cada grupo
Chama-se de U observado (U
0
) o menor dos valores obtidos
para U
1
e U
2
, o qual deve ser comparado com o U crtico (U
c
) obtido
em tabela especfica, considerando os valores de n
2
e alfa. (existem
vrias tabelas de U em funo de n
2
ser menor que 8, estar entre 9 e
20 ou ser maior que 20)
Fazendo os clculos:
U
1
= (5 x 5) + 5 ( 5+1) - 15,5 = 24,5
2
U
2
= (5 x 5) + 5 ( 5+1) - 39,5 = 0,5
2
Observando a tae!a A'3 no final das probabilidades associadas
ao U de Mann-Whitney para n
2
= 5. Vemos que a probabilidade para
U
0
= 0,5 situa-se entre 0,004 e 0,008 e, portanto, menor que 0,05.
Assim, rejeita-se a H
0
e considera a H
1
em que a mediana das
presses do grupo B estatisticamente maior que a mediana das
presses do grupo A. Toda vez que o valor observado de U tem uma
probabilidade associada igual ou menor que , rejeita-se a H
0
e aceita-
se a H
1
U
1
= n
1
n
2
+ n (n+ 1) - R
1

2
U
2
= n
1
n
2
+ n
2
(n
2
+ 1) - R
2

2
V - SENSIBI)IDADEIESPECI/ICIDADE (A)OR
PREDICTI(O
Quando realizam provas ou exames, surgem de imediato duas
perguntas:
1. se a doena est presente, qual a probabilidade de que o
resultado seja positivo?
2. Se a doena est ausente, qual a probabilidade de que o
resultado seja negativo?
A resposta primeira pergunta determina a sensibilidade e
segunda, especificidade
- Sensibilidade: capacidade do procedimento de efetuar
diagnsticos corretos quando esta est presente
(verdadeiros, positivos ou doentes).
- Especificidade: capacidade do procedimento de efetuar
diagnsticos corretos da ausncia de doena quando
esta est ausente (verdadeiros, negativos ou sem esta
patologia).
Como estes dados so qualitativos, j que indicam a presena ou a
ausncia confirmada de doena, usam-se as tabelas de dupla entrada
(matriz de deciso) para a sua apresentao numrica.
Patologia Confirmada
Resultado
do
procedimento
Sim no Sentido da anlise
a+b
c+d
a+b+c+d (n)
+
a
Verdadeiros
positivos
b
falsos
positivos
-
c
falsos negativos
d
verdadeiros
negativos
a + c b+d
Sens,,!,dade: mede a proporo de indivduos nos quais o
procedimento teve resultado positivo em relao ao total dos que tem
a doena ( a anlise da primeira coluna da tabela no sentido vertical)
Sens = a x 100
a+c
Espec,A,c,dade: mede a proporo de indivduos com diagnstico
negativo sem a patologia em relao ao total dos que no tem esta
doena (anlise da segunda coluna da tabela no sentido vertical)
E = d x 100
b+d
Quanto mais prximos de 100% estiverem a sensibilidade e a
especificidade, maior a capacidade da prova de descriminar os que
tm a doena dos que no tem. medida que se aumenta a
sensibilidade, perde-se em especificidade e vice-versa, por isso,
ambos valores devem ser estudados em conjunto. A sensibilidade e a
especificidade no variam com a prevalncia (esta mede a totalidade
dos vasos da doena que h na populao durante um perodo
especfico), mas sim com o valor de corte utilizado.
Veja o exemplo:
nfeco Fngica
Hemocultura presente ausente totais
+ 84(a) 1(b) 85
- 26(c) 180(d) 206
Totais 110 181 291
S= 84 x 100 = 76%
110
nterpretao
Embora a hemocultura tenha um elevado valor predictivo positivo
(veja adiante) elas no so sensveis, visto que 24% (100-76) dos
Lembrar sempre que a sensibilidade considera
os acertos positivos e a especificidade
considera os acertos negativos
pacientes com infeco fngica sistmica tm hemocultura negativa
para fungos.
E = 180 x 100 = 99%
181
nterpretao
Significa que se o paciente no possui uma infeco fngica
sistmica, h uma chance muito elevada (de 99%) de que ele tenha
uma hemocultura negativa para fungos.
Sempre existe uma margem de erro e para afirmar se existe ou
no a doena empregando um procedimento diagnstico, deve-se
considerar:
- Se o procedimento tem resultado positivo, qual a
probabilidade de que a doena esteja realmente
presente? (de que se confirme a doena). o que
chamamos de valor Pred,ct,=o Pos,t,=o ((PP"
- Se o procedimento tem resultado negativo, qual a
probabilidade de que a doena esteja realmente ausente
(de que se descarte a doena)? o que chamamos de
(a!or Pred,ct,=o Ne@at,=o ((PN).
Para calcularmos o VPP e o VPN, recorremos matriz de
deciso, sendo que agora, a anlise feita por linha (sentido
horizontal).
Patologia
Sim no
+ a b a + b
Resultado
do - c d c + d
procedimento
a + c b + d a +b +c+d (n)
VPP = a x 100
a+b
Sentido da
Anlise
VPN = d
c+d
No exemplo anterior hemocultura e infeco fngica, observem que:
VPP = 84 X 100 = 98,8%
85
VPN = 180 X 100 = 87,4%
206
Vejam que o VPP expresso pela porcentagem de doentes reais
entre os que tiveram resultados positivos (expressa a confiabilidade de
um resultado de exame positivo) e o VPN expresso pela
porcentagem de doentes sem patologia entre os que tiveram
resultados negativos (expressa a confiabilidade de um resultado de
exame negativo).
EGat,t9de: um indicador que considera, de maneira conjunta, as
predices corretas do procedimento, positivas e negativas
E = verdadeiros positivos + verdadeiros negativos x 100
total de
indivduos com ou sem a doena
E = a+d x 100
a+b+c+d
Cohen descreveu um ndice, chamado nd,ce Rappa para
avaliar o grau de acerto do procedimento, ou seja, para avaliar o
quanto o resultado do procedimento escapa do azar:
0,75 - 1 : muito bom
0,4< 0,74: regular a bom
0,35: ruim (o diagnstico no explicado pelo procedimento
e sim pelo azar em 95% das vezes).
O clculo do ndice Kappa baseia-se na exatitude:
Vejamos o seguinte exemplo:
Procedimento
Sim No Total
+ 20 2 22
- 4 30 34
total 24 32 56
Exatitude observada: 30 + 20 = 0,89
56
Observem que para calcular o ndice de Kappa (ndice de
acordo), falta apenas calcular a exatitude esperada que no se espera
em (a) e (d) por azar:
Para o (a): 22 x 24 = 9,42 (fila de exames (+) x coluna de
patologia (+)).
56
Para o (d): 34 x 32 = 19,42 (fila de exames (-) x coluna de
patologia (-)).
56
Assim, a matriz de deciso anterior fica:
Patologia
Sim no
+ 20 (9,42) (a) 2(b)
ndice Kappa = exatitude observada - exatitude esperada
1 - exatitude esperada
Exatitude esperada = fila total x total coluna
N (total geral)
Procedimento
- 4 (c) 30 (19,42) (d)
Exatitude esperada: a + d = 9,42 + 19,42 = 0,52
N 56
Agora, aplicando a frmula do ndice Kappa temos:
ndice Kappa = 0,89 - 0,52 = 0,77
1 - 0,52
Interpreta:;o
O procedimento analisado um procedimento muito bom.
importante conhecer o intervalo de confiana a 95% do ndice Kappa
para dar-lhe mais peso ao resultado achado. Para isto, se calcula o
erro standard do ndice Kappa, e logo, multiplicando- se por 1,96 (valor
de Z para probabilidade de 0,025); esse resultado se soma e diminui
do ndice Kappa previamente obtido. A significncia dar-se- pela
ausncia da unidade no intervalo de confiana. O erro standard do
ndice Kappa calculado utilizando a seguinte frmula nas tabelas de
dupla entrada (matriz de deciso):
ES
k
= 1
(1 - pe) \n pe+pe
2
- p1.p1 (p1+p1)+ p2.p2
(p2+p2)
pe: probabilidade esperada
(exatitude esperada)
Veja o exemplo:
Patologia
Procedimento
+ -
+ 20 p11 2 p12 p1
- 4 p21 30 p22 p2
24
p.1
32
p.2
56
p11 = a/N ; p12= b/N; p21=c/N ; p22= d/N; p2 c+d/N
p1 = a+b/N pe = 0,52
pe exatitude esperada
ES
k
= 1 x 0,52+(0,61)
2
0,39 x 0,39 (0,39+0,39)+ ,61x0,61(0,61+0,61)
(1-0,52)56
ES
k
= 1 X 1,24 = 0,28 X 0,11 = 0,31
3,6
0,31X1,96 = 0,60
O intervalo de confiana ser: 0,17 1,37
interessante citar que o valor da predico de uma prova e a
exatitude modificam-se substancialmente com a prevalncia . Para
uma dada prevalncia (nmero de doentes para o total de casos
considerados) pode-se espera um alto valor de predico ( fcil
diagnosticar numa epidemia); com baixa prevalncia diminui o valor
da predico , apesar da sensibilidade e especificidade no variarem.

Veja o exemplo:
Patologia
Sim no
+ 40 2 42
- 10 23 33
aq 40 25 75
Prevalncia: 50 x 100 = 67%
75
Sensibilidade: 40 x 100 = 80%
50
Especificidade: 23 x 100 = 92%
25
0,77 + 0,60 = 1,37
0,77 0,60 = 0,17
VPP= 40 x 100 = 95%
42
VPN= 23 x 100 = 70%
33
Patologia
Sim no
+ 40 20 60
- 10 230 240
50 250 300
Prevalncia: 50 x 100 = 17%
300
VPP= 40 x 100 = 67%
60
VPN= 230 x 100 = 96%
240
Vejam que ao diminuir a prevalncia, o VPP diminui, enquanto
do VPN aumenta. Conclui-se que no se deve fazer comparao
direta dos valores de predico
de procedimentos desenvolvidos
em grupos com diferentes
prevalncias. O Teorema de
Bayes, da probabilidade
condicionada permite ajustar o
valor da predico a uma
prevalncia dada da doena:
VPP = prevalncia da doena x sensibilidade
Prevalncia x sensibilidade + ( 1 - prevalncia) x (1 - especificidade)
Sensibilidade: 40 x 100 = 80%
50
Especificidade: 230 x 100 = 92%
250
Propsito dos procedimentos:
Para os procedimentos de triagem (dosagem de glicemia para
detectar diabetes, exame de Papanicolau para detectar cncer
genital), so necessrios procedimentos que tenham alta sensibilidade
( que captem o maior nmero possvel de doentes) e que sejam fceis
de realizar, rpidos, no invasivos e de baixo custo. Aceita-se certo
nmero de erros ou de falsos positivos da prova. Assim, os
procedimentos de triagem ("screening") quando so positivos,
requerem sempre outras provas para confirmar a doena. Os casos
com resultado positivo no deve ser considerados como doentes, mas
sim como tendo possibilidade de ter a doena. Deve-se ser comedido
a solicitar provas confirmatrias que deve ir da mais simples a mais
complexa (broncoscopia, bipsia de cervix), procedimentos estes que
devem ter alta especificidade de maneira que no haja falsos
positivos, alm do alto valor predictivo positivo.
ENTENDENDO BOESTATSTCA BSCA
PARTE X
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
V-COMO EXERCER A MEDCNA/ NEONATOLOGA
BASEADO
EM EVDNCAS
O novo paradigma para a prtica clnica, ou seja, bases para
tomar decises tm que incluir a evidncia da pesquisa clnica. Os
nossos tratamentos que usamos para os bebs devem ter sempre
mais benefcios do que prejuzos. Para isto, devemos adquirir
informao atravs da procura de evidncias que isto seja verdadeiro
na literatura. Este o novo paradigma da medicina: um esforo para
tentar melhorar a situao do paciente baseado na evidncia das
pesquisas clnicas.
J chegando ao novo milnio, a estratgia mais poderosa a
procura eletrnica da informao. Temos que ter um modo sistemtico
de estudar a literatura mdica de uma maneira eficaz. A evidncia
vlida apenas uma pequena parte da literatura que est disponvel.
Temos que ter uma forma eficiente de busca. Somos mdicos muito
ocupados e temos que encontrar uma evidncia vlida (artigos de alta
qualidade).
Nos ltimos 3 anos foi possvel para qualquer parte do mundo ter
acesso nternet gratuitamente, procurando o MEDLNE atravs deste
endereo: www.ncbi.nlm.gov/PubMed
(S permitido acesso apenas ao resumo do artigo- abstract -
tal como fora publicado, o que permite o mdico fazer uma primeira
seleo de artigos de maior relevncia para questo clnica que
motivou a pesquisa).
No exerccio da medicina neonatal baseado em evidncias,
citamos um endereo da nternet (SSS#cocHrane#or@) que nos
possibilita acessar metanlises de diversas situaes colocadas em
ordem alfabtica, como: cafena versos teofilina no tratamento da
apnia no RN pr-termo; CPAP versos teofilina para a apnia do pr-
termo; uso profiltico de CPAP nasal em RN muito prematuros; uso
profiltico de anticonvulsivante na asfixia perinatal do RN a termo e
muitos outros temas polmicos na prtica clnica diria. O endereo
especfico neonatal :
www.nichd.nih.gov/cochrane/cochrane.htm
O nome Cochrane uma homenagem ao Dr. Archibald
Lemon Colchrane (1909-1988), pesquisador mdico britnico que
muito contribuiu para o desenvolvimento da epidemiologia como
cincia. A biblioteca Cochrane um compndio de revises
sistemticas de estudos randomizados de todos os campos da
medicina.
* Para os que querem investir 19,5 dlares/ms, citamos o
site www. mdconsult.com; neste endereo possvel obter artigos
completos de mais de 45 peridicos, assim como referncias em
livros e o MEDLNE completo, de 1966 a 1999.
* Outros sites indicados: www.neonatology.org e no
deixe de consultar o Portal da AMBr: www.medico.org.br
Conhecimento da Estrutura de um estudo da Avaliao de um
Tratamento:
Res9!tados Tota!
E=ento N;o E=ento
Sim ( tratado ) a b n1
No (controle) C d n2
Medidas do efeito de tratamento:
RR (Risco Relativo): a/n1
c/n2
RRR (Reduo do Risco Relativo): 1 RR
DR (Diferena de Risco): a/n1 c/n2
EXPOSI%&O
Nmero necessrio para tratamento (NNT):
Diferena de risco
Quando RR igual a 1, significa que no h efeito do
tratamento, ou seja, o efeito do tratamento o mesmo nos dois
grupos. Se o RR < 1, significa que o risco do evento menor no
grupo tratado que no controle. A da amostra do estudo pode ser
avaliado atravs de testes de significncia ou via intervalo de
confiana. Aqui daremos preferncia segunda abordagem. Assim,
desejando-se saber se um RR=0,40 para a reduo de ductus
arteriosus patente foi significativo no grupo de RN exposto a um menor
regime de oferta hdrica versos maior regime de oferta hdrica
(restricted vs liberal intake in prematures: Bell EF, Acarregui MJ.
Cochrane Library, 1999), pode-se calcular um intervalo de confiana
para esta estimativa. Para um dado nvel de significncia ( = 0,05), o
intervalo de confiana representa o intervalo onde deve estar o
parmetro, ou seja, o risco relativo verdadeiro. Se o valor 1, que se
refere nulidade da associao, no estiver contido no intervalo,
temos uma confiana que na populao de onde nossa amostra foi
extrada, o RR diferente de 1, sendo, portanto significativo o achado
da amostra. Para a realizao dos clculos do intervalo de 95% de
confiana, do RR, consulte Margotto, PR BP N 52, 1992.
Uma vez calculado o intervalo de 95% de confiana para o nosso
exemplo, temos:
RR = 0,40 (95% C: 0,26 0,63): a interpretao deste resultado
a de que o RR significativo na reduo do ductus arteriosus
patente no grupo exposto ao regime de menos lquido. O intervalo de
confiana no contm o valor 1, que indica nulidade de associao, ou
seja, a mostra estudada reflete um efeito real da menor oferta hdrica
na reduo do ductus arteriosus patente.
Reduo do Risco Relativo (RRR): determina, em termos
percentuais, que reduo o tratamento provoca na ocorrncia da
doena no grupo tratado quando comparado com o grupo controle.
RRR: 1 RR
No exemplo anterior; Ductus arteriosus patente: regime de
menor x regime de maior oferta hdrica.
RR: 0,40
RRR: 1 0,40= 0,60 x 100 = 60% (h uma reduo de 60% do
ductus arteriosus patente no grupo de menor oferta hdrica).
1
Diferena de Risco (DR): a/n1 c/n2. No exemplo anterior do
ductus arteriosus patente com oferta hdrica menor ou maior, a DR foi
de 0,190.
Nmero necessrio para tratamento (NNT): 1
DR
A importncia de se conhecer a DR que nos possibilita calcular
a NNT, que nos informa quantos indivduos devem ser tratados para
que se possa evitar a ocorrncia de um evento (quanto melhor o
tratamento, menor o NNT). No caso do ductus arteriosus patente
frente a dois regimes, de oferta hdrica (maior x menor), o NNT :
NNT = 1
DR
DR= - 0,190 ; NNT= 1 = 5,26 = 5,3
Ou seja, o nmero necessrio para tratar com restrio hdrica
para prevenir um caso de ductus arteriosus patente 5,3.
*a,s 1 eGemp!os:
* Hemorragia peri/intraventricular (todos os grupos): grupo com
menor x maior oferta hdrica.
RR= 0,94 (95% C: 0,52 1,72)
RRR= 1 0,94 = 0,06 x 100= 6%
DR= - 0,011
NNT = 1 = 90,9
-0,011
nterpretao: o risco de hemorragia peri/intraventricular (todos
os graus) no foi significativamente afetado pela ingesta hdrica (veja,
o intervalo de confiana do RR contem a unidade). A reduo da
hemorragia peri/intraventricular, que o RRR, de 6%, ou seja, h
uma diminuio de 6% na incidncia desta patologia no grupo com
restrio hdrica, mas no foi significativa esta reduo. O NNT de
90,9 significa que necessrio restringir lquido em 90,9 para evitar a
ocorrncia de 1 caso de hemorragia. Lembramos que quanto melhor o
tratamento, menor o NNT.
* Morte neonatal: ingesta hdrica restrita x ingesta liberal
RR= 0,52 (95% C: 0,28 0,96)
RRR= 1 0,52 = 0,48 x 100= 48%
-0,190
DR= - 0,063
NNT = 1 = 15,87 = 15,9
-0,063
Vejam que h uma reduo significativa de 48% de morte
neonatal no grupo com restrio hdrica e o nmero necessrio para o
tratamento com restrio hdrica para prever uma morte neonatal de
15,9.
Vejam a apresentao dos resultados:
RR(95% C)
ngesta hdrica restrita x ingesta liberal
Ductus arteriosus patente
Hemorragia peri/intraventricular
Morte neonatal

1
Quando a linha horizontal estiver esquerda (RR<1) significa
reduo do evento; quando direita, aumento do evento e quando
toda vez que a linha horizontal tocar a linha vertical significa que o RR
no significativo.
Veja agora um exemplo do RR localizado a direita: meta-anlise
revista por Halliday e EhrenKranz para determinar se o uso de
esteride entre 7-14 dias de vida versos controle benfico na
preveno e/ou tratamento da Doena Pulmonar Crnica no
prematuro, se observaram, como efeito colateral:
- H,per@!,cem,a7 RR= 1,27, C=0,99-1,63. Como interpretar: h
um aumento da glicemia em 27% destes bebes (1,27 x 100 = 127:
aumento de 27% : 100 + 27), porm no foi significativo (veja que o
intervalo de confiana - C - contm a unidade: 0,99....1....1,63).
- N,pertens;o arter,a!: RR = 5,30. C 95% : 1,59 -21,29%: H
um aumento significativo -o intervalo de confiana no contm
a unidade - de 5,3 vezes mais.
- (N,pertroA,a do m,ocKrd,o7 RR B 3# IC7 30T7 1C1 ' EFCE3",
aumento significativo (o intervalo de confiana no contm a
unidade: 1....1,2....67,69) de 9 vezes mais.
Vejam como fica a apresentao dos resultados:
Esteride com 7-14 dias nos RN ventilados x controle:

Hiperglicemia
Hipertenso arterial
Hipertrofia do miocrdio
1
Odds Rat,o
Como vemos o RR (Risco Relativo) uma medida da fora da
associao entre a exposio e o evento (resultado). definido como
a razo entre a incidncia nos indivduos expostos. O Odds Ratio (OR)
uma estimativa do risco relativo. Possui a mesma interpretao
apesar de ser baseada numa frmula diferente.
A expresso "odds no possui equivalente em portugus; alguns
epidemiologistas referem-se ao Odds Ratio (OR) como "razo de
chances, "razo de produtos cruzados ou ainda "razo de odds.
Usaremos o termo original.
Como calcular a Odds Ratio (OR):
Res9!tado
E=ento N;o e=ento
Sim a b
No c d
OR = axd
bxc
Utilizando o mesmo grupo de dados, o valor obtido para a
medida de associao pela frmula do OR geralmente maior do que
se obtm atravs da frmula tradicional do RR.
EXPOSI%&O
Do mesmo modo que o RR, avalia-se a variabilidade amostral da
OR atravs do clculo do intervalo de confiana e a interpretao a
mesma do RR, ou seja, se no intervalo de confiana da OR contiver a
unidade, significa ausncia de associao. Para os clculos, consulte
Margotto, PR. BP N 52, 1992.
ANTGO PARADGMA DA PRTCA CLNCA
Tomada de dec,sOes ?9e se asea=am em7
- Boa experincia clnica
- Bastante conhecimento de fisiopatologia
- nformao em bons livros
- Opinio de especialistas (professores)
NOVO PARADGMA DA PRTCA CLNCA
Tomada de dec,sOes se ase,am em7
Evidncias das pesquisas clnicas, evidentemente com
embasamento na experincia clnica.
A seguir, a TABELAS:
ENTENDENDO BOESTATSTCA BSCA
PARTE X
Paulo R. Margotto
Professor do Curso de Medicina da Escola Superior de
Cincias da Sade/SES/DF
TABELAS
TABE)AS
TABE)A A2
TABE)A A# 2
(a!oresde / para UB1C0TC se@9ndo o n>mero de @ra9s de !,erdade
do n9merador e do denom,nador
NV de W 1
do deno' N>mero de @ra9s de !,erdade do n9merador
m,na' 1 1 2 5 0 E F 4 3
dor
1 E54 420 4E5 300 311 32F 354 30F 3E2
1 24C0 23C0 23C1 23C1 23C2 23C2 23C5 23C5 23C5
2 1FC5 1EC0 10C5 10C1 15C3 15CF 15CE 15C0 15C0
5 11C1 10C0 3C34 3CE0 3C2E 3C10 3C0F 4C34 4C30
0 10C0 4C52 FCFE FC23 FC10 EC34 EC40 ECFE ECE4
E 4C41 FC1E ECE0 EC12 0C33 0C41 0CF0 0CE0 0C01
F 4C0F EC05 0C43 0C01 0C13 0C11 5C33 5C30 5C41
4 FC0F EC0E 0C51 0C00 5C41 5CE0 5C02 5C52 5C2E
3 FC11 0CF1 0C04 5CF1 5C54 5C21 5C10 5C10 5C02
10 EC35 0C5E 5C42 5C5F 5C15 5C0F 2C32 2C40 2CF4
11 ECF1 0C1E 5CE2 5C14 5C05 2C44 2CFE 2CEE 2C03
11 EC00 0C10 5C5F 5C11 2C43 2CF2 2CE1 2C01 2C55
12 EC51 5C3F 5C20 5C00 2CFF 2CE0 2C54 2C23 2C21
15 EC20 5C4E 5C15 2C43 2CEE 2C00 2C24 2C13 2C11
10 EC10 5CFF 5C10 2C40 2C04 2C51 2C13 2C10 2C11
1E EC11 5CE3 5C04 2CF2 2C00 2C25 2C11 2C11 2C00
1F EC05 5CE1 5C01 2CEE 2C55 2C14 2C1E 2C0E 1C34
14 0C30 5C0E 2C30 2CE1 2C24 2C11 2C10 2C01 1C32
grupo A. Toda vez que o valor observado de U tem uma probabilidade
associada igual ou menor que , rejeita-se a H
0
e aceita-se a H
1
XX ' BIB)IO.RA/IA
1. Runyon RP, Haber A. estatistica para las ciencias sociales. Fondo
Educativo nteramericano, Mxico, 1984
2 Dorantes LC. nvestigacin Clnica. nteramericana, 1986
3. Nieto F. Funciones, tablas y grficos; la funcion normal; medidas de
resumen; estatstica inferencial. Prueba de t para muestras
dependientes y muestras independientes, Doc nt CLAP 91-79,1979
4. Fescina RH. Epidemiologia en perinatologia. Publ. Cient. CLAP n.
1147, 1988
5. Wagner MB, Callegari. Jacques SM. Medidas de Associao em
estudos epidemolgicos: Risco relativo e Odds ratio. J Pediatr (Rio
J) 1998;74:247-251
6. Doria Filho U. ntroduo bioestatstica para simples mortais.
Negocio Editora, 2 edio, So Paulo, 1999.
7. Lima DD. Como escolher o teste estatstico em ensaios clnicos.
Braslia Md 1996; 33 (suplemento n.1); 10-12
8. Vieira S. ntroduo Bioestatstica. 2 Edio, Editora Campus,
Rio de Janeiro, 1991.
9. Fescina R, Simini F, Belitzky R. Avaliao dos procedimentos
diagnsticos: aspectos metodolgicos. Sade Perinatal - artigos
selecionados de Salud Perinatal, Boletim do CLAP, Montevidu,
pg 29,1988.
10. Nieto F, Curso de Bioestatstica. CLAP, Montevidu, 7/06/1988 a
7/7/1988
Miller: Anesthesia, 5
th
ed. Research design and satistics in anesthesia,
Churchill Livingstone pg 753-791,2000
11. Sinclair J. como praticar medicina/neonatologia baseada em
evidncias. Simpsio nternacional de Neonatologia, Rio de
Janeiro, 26-28/08/1999.
12. Margotto , PR. Risco Perinatal. Boletim nformativo Peditrico
(BP)- Braslia, n 52, 1989.
13. Margotto, PR. Como exercer a medicina/neonatologia baseado
em evidncias. n. Margotto PR. Alto Risco em Neonatologia,
Portico, Braslia, pg 21-24,2002.
14. Margotto, PR. Crescimento intra-uterino percentis de
peso,estatura e permetro ceflico ao nascer de recm-nascidos
nicos de gestaes normais e seus correspondentes pesos
placentrios em diferentes perodos gestacionais (Tese de
Doutorado). Montevideo, Uruguay: Centro Latinoamericano de
Perinatologia Y Desarrollo Humano ( CLAP-OPS/OMS)1992
15. Fescina HR, Belitzky R. Evaluacin de los procedimientos
diagnsticos aspectos metodolgicos. Tecnologas Perinatales.
Publ. Cient.CLAP n. 1166,1988.
16.
arg!tt! "#$ Related Articles, Links
%&ntrauterine gr!'t( )ur*es+ stud, !- 441. single li*e birt(s !- n!r/al
0regnan)ies1
2 "ediatr (#i! 2)$ 1335 2an-Feb471(1)+11-21$ "!rtuguese$
"&5+ 146830.0 %"ubed1
17.
Crescimento Intra-uterino-Tese de Doutorado
(CLAP/OMS/OPS)
Autor (s): Paulo R. Margotto